申请/专利权人：西安交通大学

申请日：2021-08-23

公开（公告）日：2024-04-05

公开（公告）号：CN113673440B

主分类号：G06F18/10

分类号：G06F18/10;G06F18/213;G06F18/22;G06F18/2415;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2021.12.07#实质审查的生效;2021.11.19#公开

摘要：一种基于FHN‑CCA融合的SSVEP多尺度噪声转移及特征频率检测方法，先进行多通道SSVEP数据采集，然后通过预实验确定最优通道X，作为正式实验的输出信号，接着进行信号预处理，截断前0.1s无用数据，用巴特沃斯滤波器滤除无用噪声；然后进行FHN模型参数初始化及FHN模型处理，将预处理后的信号和噪声送入到FHN模型进行随机共振处理，再基于空间滤波和模板匹配的CCA方法以识别目标频率，最后进行频率匹配检测；本发明实现特征频率的高精度识别，大大增加了SSVEP目标频率的识别正确率和信息传输率。

主权项：1.一种基于FHN-CCA融合的SSVEP多尺度噪声转移及特征频率检测方法，其特征在于，包括以下步骤：1SSVEP脑电信号采集：对被试者进行多通道SSVEP信号采集，多通道SSVEP信号经过放大、滤波与数模转化处理；2确定最优通道X：使用预实验检测每个通道的识别准确率进行反馈，以确定最佳通道X；然后，在正式实验中，将最优通道X作为FHN神经元系统的输入信号；3信号预处理：3.1无效数据截断：移除在前0.1秒收集的数据；3.2带通滤波处理：滤除目标频率范围3-20Hz以外的信号；4FHN模型及计算参数初始化：设置FHN模型及计算参数，包括时间参数ε；5FHN模型处理：将预处理后带有噪声干扰的SSVEP信号送入到FHN模型处理，利用噪声能量增强的目标频率的幅值；6CCA模板匹配：通过计算CCA模板与SSVEP信号之间的最大相关系数，相关系数最大的对应目标为识别的特征频率；7频率匹配检测：将识别的特征频率与刺激频率进行匹配，如果匹配成功，则目标频率被有效识别；如果匹配失败，则表明目标频率标识失败；所述的步骤4中FHN模型的数学表达式为： 式中：vt——细胞膜电压，是一个快变量；wt——膜内离子浓度，是一个慢变量；A——为常数表示激励幅值，促使神经元定期点火；ε——时间参数，决定了神经元点火的速率，此处取值为0.01；b——参数常量，值为0.15；nt——高斯白噪声，均值为零且自相关函数满足ntns＝2Dδt-s；.—-求整体均值；st——输入的非周期激励信号，该微分方程组求解时采用四阶Runge-Kuta方法；当a＝0.5时，令vt＝vt′+12，wt＝wt′-b+12，A＝A′-b+12，FHN模型被简化为以下形式：εvt＝vt14-vt2-wt+AT-B+st+nt 式中：——阈值电压；B——信号幅值到阈值电压的距离；令AT-B＝0，则只需要设置和调整时间参数ε即可。

全文数据：

权利要求：

百度查询： 西安交通大学 一种基于FHN-CCA融合的SSVEP多尺度噪声转移及特征频率检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD