基于NIRS-BCI利用小波分析檢測(cè)運(yùn)動(dòng)想象

1.研究背景

此文旨在腦機(jī)接口（BCI）方向上嘗試新的分析方法。在導(dǎo)引中宣稱小波（Wavelet）分析方法還沒(méi)有被用來(lái)分析NIRS平臺(tái)下的運(yùn)動(dòng)想象BCI范式上。小波分析可以看作是對(duì)傅里葉分析的改良，基本思想是利用非全局性的小波函數(shù)擬合信號(hào)（一維二維均可）。此文利用小波分析來(lái)解析信號(hào)以判斷運(yùn)動(dòng)想象和靜息態(tài)，分類器使用支持向量機(jī)（SVM），二分類正確率為0.83（PS:有點(diǎn)低）。

2.研究方法

2.1 被試

被試共五人，年齡在24-34之間，性別不詳。

2.2 設(shè)備配置

圖1. 電極配置

設(shè)備使用8導(dǎo)ISS Imagent，包含兩個(gè)探測(cè)器和8個(gè)光源。電極配置如圖1，使用10-20系統(tǒng)。光源波長(zhǎng)為690nm和830nm兩種模式，一個(gè)光源采樣頻率為6.25Hz。

2.3 實(shí)驗(yàn)流程

流程如圖2，被試根據(jù)箭頭執(zhí)行相應(yīng)手的運(yùn)動(dòng)想象，想象動(dòng)作為抓取。一個(gè)trial做10次運(yùn)動(dòng)想象，持續(xù)15s；休息10次，持續(xù)60s。整體實(shí)驗(yàn)開(kāi)始前測(cè)量60s的靜息態(tài)。

圖2. 實(shí)驗(yàn)時(shí)間安排

2.4分析方法

對(duì)測(cè)量的原始數(shù)據(jù)，即不同波長(zhǎng)光源的衰減程度，做小波變換。小波函數(shù)及參數(shù)如下，分解出來(lái)的細(xì)節(jié)系數(shù)和近似系數(shù)當(dāng)作特征丟入SVM。SVM評(píng)價(jià)采用留一法做交叉驗(yàn)證，SVM的核函數(shù)是線性核函數(shù)。

3.結(jié)論

此文使用小波分析來(lái)提取NIRS的特征進(jìn)而判別二分類的運(yùn)動(dòng)想象任務(wù)，宣稱可以有效提取不同任務(wù)的特征，最高正確率能到0.85左右。

5.文獻(xiàn)名稱及DOI號(hào)

Motor Imagery Detection with Wavelet Analysis for NIRS-based BCI. Bonkon Koo et al. Brain Imagin Device.

DOI:10.1109/IWW-BCI.2016.7457441