联合经验模式分解和混沌理论的稳态视觉诱发电位脑电识别

摘要

针对多目标稳态视觉诱发电位(SSVEP)信号识别准确率低、线性识别方法抑制噪声的同时也会抑制信号本身特征等问题，基于经验模式分解对信号的降噪特性、达芬混沌系统对微弱周期信号的敏感性及噪声的免疫特性，提出了一种非线性多目标SSVEP信号识别算法。首先，采用共平均参考算法将多通道SSVEP信号融合成单通道信号，通过傅里叶变换求得SSVEP信号的相位谱，为达芬混沌系统周期策动力添加相位；接着，采用经验模式分解降噪，将获得的第一个本征模函数输入到达芬混沌系统中，利用基于频谱差异的混沌系统状态判别方法，求解各目标的刺激频率幅值；最后，根据最大刺激频率幅值确定刺激目标，实现了对多目标SSVEP信号的识别。研究结果表明：相较于典型相关分析法，所提非线性信号处理方法的平均识别准确率提高了7.3%,平均信息传输速率提高了3.84 bit/min。该研究为探究非线性SSVEP信号解码算法提供了新方向。

关键词

稳态视觉诱发电位 / 达芬混沌系统 / 非线性信号处理 / 经验模式分解

基金资助

科技创新2030基金资助项目(2021ZD0204300,2022ZD0209800); 广州市科技计划资助项目(202206060003)