《下肢想像動作電位空間濾波方法》是天津大學於2008年7月5日申請的發明專利，該專利申請號為2008100539562，公布號為CN101433460，公布日為2009年5月20日，發明人明東、劉雙遲、 朱譽環、周仲興、萬柏坤。
《下肢想像動作電位空間濾波方法》屬於生物醫學工程及計算機領域，涉及一種下肢想像動作電位空間濾波方法，該方法主要包括下列步驟，①站起想像動作腦電信號採集和預處理；②特徵小波包空間獲取；③小波包域獨立分量分析；④腦電源信號重構。採用該發明提供的方法，能夠加大對ERPs信號空間濾波的力度，提高信號處理的空間解析度，並能夠結合想像動作所誘發ERD/ERS現象的功率譜頻帶特性，從時空和時頻等多個角度挖掘信號的動態特徵，提高信噪比、增強區分度，從而能有效地識別下肢想像動作電位。
2017年12月，《下肢想像動作電位空間濾波方法》獲得第十九屆中國專利優秀獎。
（概述圖為《下肢想像動作電位空間濾波方法》摘要附圖）
基本介紹
- 中文名：下肢想像動作電位空間濾波方法
- 地址：天津市南開區衛津路92號天津大學
- 公布號：CN101433460
- 公布日：2009年5月20日
- 申請號：2008100539562
- 申請日：2008年7月5日
- 申請人：天津大學
- 發明人：明東、劉雙遲、 朱譽環、周仲興、萬柏坤
- 代理機構：天津市北洋有限責任專利代理事務所
- 代理人：江鎮華
- 類別：發明專利
- Int. Cl.：61B5/0476(2006.01)I
專利背景,發明內容,專利目的,技術方案,改善效果,附圖說明,技術領域,權利要求,實施方式,榮譽表彰,
專利背景
神經電生理技術的發展，為研究大腦認知活動過程提供了獨特的方法和途徑。其技術關鍵在於需從所檢測的腦神經電活動數據中識別出大腦認知思維的意圖，提取能反映其主觀意識的特徵參數。該領域的前驅Jonathan Wolpaw曾經指出：“在理論上，腦的感覺，運動及認知意識在自發腦電中應該是可辨識的”。所謂白髮腦電（electroencephalography，EEG）即是由電極記錄所得大腦皮層神經細胞群的自發電活動隨時間和空間變化的序列波形。由於EEG信號非常微弱、自身也不穩定，極易受到眼電、肌電等其它電生理信號的干擾，心理狀態和思維意識的波動都可以引起EEG信號的變化。所以要從EEG數據中獲取大腦認知思維的特徵參數遇到極大困難。經多年探索，人們將研究視線聚焦於與大腦運動皮層（motor cortex）神經活動密切相關的事件相關電位（event-related potentials，ERPs）。其概念於20世紀60年代由Sutton首先提出並通過疊加平均技術從頭顱表面記錄的大腦誘發電位（EvokedPotentials，EPs）得到。誘發電位（EPs），也稱誘發回響（Evoked Response），是指給予神經系統（從感受器到大腦皮層）特定刺激，或使大腦對刺激信息進行加工，在該系統和腦皮層相應部位會產生與刺激有相對鎖時關係和特定相位的生物電反應。臨床上將誘發電位分為兩大類：與感覺或運動功能有關的外源性刺激相關電位和與認知功能有關的內源性事件相關電位（ERPs）。ERPs是在注意的基礎上，與識別、比較、判斷、記憶、決斷等心理活動有關，反映了認知過程的不同方面，是了解大腦認知功能活動的“視窗”。
研究表明：人在想像但未實施肢體或其他身體部位動作時，與該動作相關的大腦運動皮層區域也會發生與該動作實施時相似的電生理回響，如誘發電位（EP）或事件相關電位（ERPs），又特稱之為想像動作電位（motor imaginary potentials）。臨床上已通過功能性磁共振成像（functional magnetic resonance image，fMRI）觀察腦局部血液圖的方法確認：想像和實施動作時所激發的大腦運動皮層區域相同。Jasper等人最早發現 了想像動作電位現象，注意到受試者打算或想像其肢體運動時能夠引起腦皮層運動中樞神經元群電活動狀態變化，從而導致頭皮腦電中某些特徵頻率成分的同步減弱或同步增強，此即所謂事件相關去同步（event-related desynchronization，ERD）和事件相關同步（event-relatedsynchronization，ERS）現象。其中，ERD對應於特徵頻段功率譜密度的下降，ERS則對應於特徵頻段功率譜密度的上升，而不同肢體部位動作引起ERD/ERS現象所發生的特徵頻段和皮層運動功能區域均不相同。Pfurtscheller和Aranibar也通過實驗證實了上述現象，指出ERD/ERS現象主要集中在ERPs中α波段（8～13赫茲）和β波段（14～26赫茲），並提出了相應的量化理論。
ERD/ERS現象的發現為觀察大腦認知功能活動找到了具體的ERPs“視窗”。此後，針對上肢、手指、口舌等各類肢體動作所誘發想像動作電位的特徵提取與模式識別研究及其套用相繼開展起來，成為中國外神經工程領域關注的熱點，如奧地利Graz大學成功 地提取了受試者分別想像左、右手動作時的ERD/ERS信號特徵並用來控制功能性電刺激（functional electrical stimulation，FES）裝置以幫助癱瘓患者的肢體康復，取得了令人振奮的階段性成果。上肢、手指部位想像動作電位的特徵提取和模式識別甚至可精準到區分左、右手某個手指的程度。但與之相比，針對下肢部位想像動作電位（如站起、坐下、左右邁腿等）的信號特徵卻極難區分。其原因可由大腦皮層功能反射區與肢體運動部位關係找到。上肢左、右手（包括手指）、口舌部位對應的大腦皮層功能反射區分居在相隔空間距離較遠的左、右腦半球區域，即其源信號的空間分布有較好的區分度優勢；而下肢（包括大、小腿、腳趾）部位所映射的運動皮層功能區則僅局限於頭頂部溝回內距離極為狹小的區域，其源信號空間結構的區分度十分有限。這是造成下肢部位想像動作電位信號特徵提取與模式識別困難的最基本原因，加之頭皮電極提取的ERPs信號存在很大彌散性和混疊 性，更增加了思維腦電源信號獲取和識別的難度。截至2008年7月尚鮮見有關成功提取與識別下肢部位想像動作（如站起、坐下、左右邁腿等）電位特徵的研究報導。
有關研究表明，人腦感覺運動功能區的神經元群在想像動作過程中會產生一系列具有不同時空拓撲結構的回響信號序列，其綜合效果形成了神經傳導的時空動態特性，導致神經電信號從發生源傳播到檢測點的信號映射是個卷積混合過程。因此，為提高想像動作電位的信噪比，必須建立適合該卷積混合模型（以取代傳統的簡單線性和瞬時混合模型）的信號處理新方法，才能保證有效分割ERPs信號的時頻特性。該卷積混合模型的特徵參數應當採用與想像動作任務密切相關的優選法，即要與所映射的運動皮層功能區緊密聯繫（也即需賦予與其鄰近特徵導聯所檢測信號以更大權值），才能獲得較高的空間解析度。
發明內容
專利目的
為克服2008年7月前已有技術中下肢想像動作電位特徵識別時空間解析度不足的問題，《下肢想像動作電位空間濾波方法》提出了一種下肢想像動作電位濾波方法。採用該發明提供的方法，能夠加大對ERPs信號 空間濾波的力度，提高信號處理的空間解析度，並能夠結合想像動作所誘發ERD/ERS現象的功率譜頻帶特性，從時空和時頻等多個角度挖掘信號的動態特徵，提高信噪比、增強區分度，從而能有效地識別下肢想像動作電位。
技術方案
《下肢想像動作電位空間濾波方法》其特徵在於，包括下列步驟：
①利用腦電導聯電極採集反映下肢想像動作的腦電信號；
②對所採集的腦電信號進行預處理；
③對預處理後的41導聯腦電信號Si（i＝1，2，...，41）進行帶通濾波，獲取2~34赫茲並且覆蓋α波段及β波段的帶通腦電信號Si（i＝1，2，...，41）；對Si（i＝1，2，...，41）進行小波包多解析度分析，經過4個尺度的小波包分解後，最終獲得滿足頻帶分割要求的11個特徵子頻帶：第4尺度下覆蓋α波段的3個特徵子頻帶
（i＝1，2，...，41；j＝1，2，3）以及覆蓋β波段的8個特徵子頻帶
（i＝1，2，...，41；j＝1，2，...，8）；
④對11個小波包特徵空間下的腦電信號（i＝1，2，...，41；j＝1，2，3）以及（i＝1，2，...，41；j＝1，2，...，8）分別進行獨立分量分析，採用基於頻帶對數功率譜定義的事件相關去同步化/同步化（ERD/ERS）係數作為主成份篩選的依據，保留去同步化/同步化（ERD/ERS）係數絕對值大於設定閾值的分量，並將其餘分量置零；
⑤利用各個特徵小波包子空間下的腦電信號，依次恢復構造出各導聯腦電信號各自對應的小波包頻域空間，而後進行小波包逆變換，重構腦電源信號。
上述的下肢想像動作電位空間濾波方法，步驟1中的41導腦電採集電極，最好按照下列描述安置：其中19導聯按國際10/20系統標準安置，其餘22導聯覆蓋肢體動作相關的感覺運動皮層功能映射區，即導聯C3，Cz，C4周圍；步驟2中對所採集的腦電數據可以採用下述預處理方法：（1）依據Hjorth提出的源定位計算方法，通過共平均參考去除各導聯信號共有的空間低頻成份；（2）去除腦電數據中存在的肌電和眼電干擾。
改善效果
《下肢想像動作電位空間濾波方法》所提出的採用小波包獨立分量分析結合頻域ERD/ERS係數優選主分量進行空間濾波的新方法，充分考慮了與想像動作任務密切相關的腦電信號的時頻模式及空間特性，從而能比傳統方法捕捉到更為準確鮮明的想像動作特徵，這為實現想像動作電位信號的少次（甚至單次）提取提供了有利條件。另外，空間濾波新方法中藉助小波包ERD/ERS係數進行獨立分量篩選的手段，避免了人工干預，實現了腦電信號源的自動獲取過程。
附圖說明
圖1《下肢想像動作電位空間濾波方法》採集數據所採用的41導聯分布示意圖；
圖2特徵小波包空間頻帶分割示意圖；
圖3典型受試者C3導聯處站起想像動作腦電信號的時頻功率譜密度圖，（a）：未經ICA空間濾波，（b）：傳統ICA空間濾波後；
圖4小波包ICA空間濾波後C3導聯處站起想像動作腦電信號的時頻功率譜密度（A）和功率譜密度隨時間變化（B），箭頭所示為對應C3導聯時頻坐標系中4個標識點處腦電地形圖；
圖510例受試者在站起動作想像過程中ERD/ERS特徵頻率分布（a）和3種情況下ERD/ERS特徵係數值比較（b）。
技術領域
《下肢想像動作電位空間濾波方法》涉及一種下肢想像動作電位濾波方法，屬於生物醫學工程及計算機領域。
權利要求
1.一種下肢想像動作電位空間濾波方法，其特徵在於，包括下列步驟：
①利用41導聯腦電電極採集反映下肢想像動作的腦電信號；
②對所採集的腦電信號進行預處理；
③對預處理後的41導聯腦電信號Si（i＝1，2，…，41）進行帶通濾波，獲取2～34赫茲並且覆蓋α波段及β波段的帶通腦電信號Si（i＝1，2，…，41）；對Si（i＝1，2，…，41）進行小波包多解析度分析，經過4個尺度的小波包分解後，最終獲得滿足頻帶分割要求的11個特徵小波包子空間下的腦電信號：第4尺度下覆蓋α波段的3個特徵子頻帶的腦電信號（i＝1，2，…，41；j＝1，2，3）以及覆蓋β波段的8個特徵子頻帶的腦電信號（i＝1，2，…，41；j＝1，2，…，8）；
④採用基於頻帶對數功率譜定義事件相關去同步化/同步化（ERD/ERS）係數：
，其中，REP為特徵小波包子空間內發生ERD/ERS現象在特徵時段t1內的歸一化小波包功率譜均值；REF為執行想像動作前靜息時段t2內的歸一化小波包功率譜均值，對11個特徵小波包子空間下的腦電信號（i＝1，2，…，41；j＝1，2，3）以及（i＝1，2，…，41；j＝1，2，…，8）分別進行獨立分量分析，採用基於頻帶對數功率譜定義的事件相關去同步化/同步化（ERD/ERS）係數作為主成份篩選的依據，保留事件相關去同步化/同步化（ERD/ERS）係數絕對值大於設定閾值的分量，並將其餘分量置零；
⑤利用各個特徵小波包子空間下的腦電信號，依次恢復構造出預處理後的41導聯腦 電信號各自對應的小波包頻域空間，而後進行小波包逆變換，重構腦電源信號。
2.根據權利要求1所述的下肢想像動作電位空間濾波方法，其特徵在於，步驟①中的41導聯腦電電極，其中19導聯按國際10/20系統標準安置，其餘22導聯覆蓋肢體動作相關的感覺運動皮層功能映射區。
實施方式
《下肢想像動作電位空間濾波方法》首先利用具有顯著時頻局部化優勢的小波包（waveletpacket，WP）將ERD/ERS現象集中的α和β波段ERPs信號按其時頻特性分割為11個子頻帶的源信號；再對這些源信號分別進行獨立分量分析（Independent ComponentAnalysis，ICA），並依據基於小波包對數功率譜定義的ERD/ERS係數對這些獨立分量進行與想像動作任務密切相關的主成份篩選，保留時頻特徵顯著、符合閾值條件的優勢分量；最後按照小波包樹（waveletpacket tree，WPT）結構依次進行各導聯ERPs信號的小波包逆變換，重構出更具顯著ERD/ERS時頻特徵與更高空間解析度的ERPs源信號。該發明為下肢想像動作電位（站起、坐下、左右邁腿等）信號特徵提取與模式識別提供了有效的方法，為研究大腦認知功能提供新的觀察與分析工具。
下面結合實施例和附圖對《下肢想像動作電位空間濾波方法》作進一步詳述。
一、腦電數據採集和預處理
該發明實驗數據取白10名右利手的健康成人志願者（均為本校大學生，6男4女，平均年齡24.3±3.1歲），實驗設備採用奧地利EMS Phoenix公司生產的128導數字腦電記錄儀，實驗室的電磁禁止與隔音效果均良好（室內背景噪聲約為31dB，背景光照為2cd/m2）。實驗過程中，受試者以感覺舒適但不影響數據採集的姿勢坐在扶手椅中，面對正前方1米左右距離顯示屏上的實驗任務提示符。
實驗以站起想像動作為主。每個子實驗（trail）持續20秒，分為3個時段。第一時段為準備期，此時段螢幕正中央顯示十字提示符（持續1秒鐘），提示受試者做好準備；第二時段為想像動作期（從第二秒開始，持續8秒鐘），螢幕顯示箭頭向上的方位提示符，要求受試者想像站起動作；第三時段為恢復期（從第十秒開始，持續10秒鐘），用於受試者調整狀態，準備下一組想像動作，該時段內顯示器保持為黑屏狀態。每個受試者在進行站起想像動作實驗前，需先按前述實驗時程完成15次實際站起動作（其間腦電信號不做記錄），以熟悉後續想像動作實驗的螢幕提示符和積累實施動作的經驗。在整個想像動作實驗期間，受試者必須以自我身份想像自身如何完成站起動作，而不能以他人身份去想像別人的動作。實驗過程中要求受試者保持放鬆狀態，不允許有任何的實際肢體動作。為避免受試者因視覺刺激引起腦電波動，顯示器以黑屏灰字的方式顯示提示符。要求每個受試者完成3組實驗，每一組（run）包含30次站起想像動作子實驗（trail），全部實驗累計持續時間為10分鐘。在每兩組實驗之間，留有足夠長的休息時間用於受試者恢復疲勞。
實驗中41導腦電採集電極位置如圖1所示，其中19導聯按國際10/20系統標準安置，其餘22導聯則根據該發明目的放置，要求覆蓋肢體動作相關的感覺運動皮層功能映射區（導聯C3，Cz，C4周圍），以便獲取想像動作過程中更為精細的腦電特徵。實驗所用電極均為Ag/AgCI電極（阻抗小於5000歐姆）；以左耳垂（A1）作為參考電平，右耳垂（A2）作為參考地；腦電採樣頻率為256赫茲，濾波通帶為0.5～70赫茲，並採用50赫茲陷波器去除工頻干擾。
為提高后期想像動作電位模式識別的準確性，對所得腦電數據採用了下述預處理方法：（1）依據Hjorth提出的源定位計算方法，通過共平均參考去除各導聯信號共有的空間低頻成份，以突出具有時頻局域化特徵的腦電源活動；（2）去除數據中存在的肌電和眼電干擾。
二、傳統ICA空間濾波獨立分量分析（ICA）主要套用於未知基信號S及其混疊特性A的情況下，僅從接收到的混合信號X找到解混矩陣W，使輸出矩陣U逼近源信號S，即U＝W·X＝W·A·S（1）式中解混逆矩陣W-1的第j列表示矩陣U中第j行獨立分量在各個測量位置處的分布強度，即為獨立分量的空間分布模式。
在腦電信號處理中，ICA的目標是基於不同思維任務與大腦活動區域的映射關係，找出對應皮層活躍區域附近導聯占比重較大的腦電分量，然後重構數據以突出皮層活躍區域腦電源信號特徵。傳統ICA模型認為，腦電信號源分量是局部皮層區域同步化方式下產生的神經電活動，即認為腦電信號的傳播是一個簡單線性和瞬時混合過程，在數學上可表示為單一混合矩陣乘積的作用結果。這個假設忽略了神經傳導的瞬時動態性：群體神經元電活動傳播過程的行波模式（traveling wave patterns）會引起不同腦功能區域的同步化具有非零的相位滯後（synchronization between different brain areaswitha nozerophase lag）。另一方面，傳統ICA模型僅從時域角度尋找最優解，卻忽視了腦電信號尤為重要的頻域特徵。研究發現，腦電活動在不同頻帶下具有顯著不同的特徵，這些特徵與不同的生理或心理過程密切相關。由此可以認為，腦電信號在不同頻帶下存在不同的功能性獨立信號源，實驗檢測所得腦電信號是這些獨立信號源通過不同的瞬時動態過程混合而成的（其混合形式在時域為卷積）。為此需先對腦電信號進行適當的特徵頻帶分割，而後對各個特徵子頻帶腦電信號分別進行獨立分量分析（或稱ICA空間濾波）。如此將神經傳導的瞬時動態建模問題轉移並分解到各特徵頻率域，以更有效地描述各特徵子頻帶所對應腦電源信號傳播過程的時空動態性。實際上，僅在時域做簡單線性混合運算的傳統ICA模型只能是整個特徵頻帶域中的一個子集。
要實現卷積混合模型下的ICA空間濾波，必須保證腦電信號時頻特性的有效分割，這是實現分量篩選的前提和關鍵。對於腦電信號來說，任務相關ERD/ERS現象發生的特徵頻帶存在很大的個體差異性，如果僅對某個指定頻帶進行特徵獲取，往往會丟失該頻帶外的重要特徵信息，從而增加識別的難度，甚至產生錯誤結果。為避之，Klimesch等建議將α和β波段的峰值頻率（分別為10赫茲和24赫茲）作為錨點（anchor point），而後將錨點前後的頻帶以2赫茲頻率窗進行均勻分割，再對這些子頻段的腦電信號分別進行特徵提取。
小波分析 （wavelet analysis，WA）具有顯著的時頻局部化優勢，因此可用其作為腦電信號特徵頻帶分割工具。但為獲得α和β波段內2赫茲頻寬的子頻帶信號，單純通過WA方法仍然無法滿足要求，必須進一步提升頻率解析度。因此需要採用小波包（WP）分析方法對腦電信號進行時頻分割，稱之為小波包ICA空間濾波。
三、小波包域ICA空間濾波
小波包ICA空間濾波方法的實現步驟如下：
（1）特徵小波包空間獲取：對原始數據d0（k）進行逐層小波包分解時，任意尺度L（L＞0）有位於不同頻段的2L-1組序列，每組序列分別由概貌濾波器h濾波的結果dj（k），和細節濾波器g濾波的結果cj（k）組成（j＞0），則有下列遞推公式：
根據小波包分析的特性，以及目標子頻帶（以2赫茲頻帶窗分割的α波段和β波段）獲取的需求，首先對預處理後的41導聯腦電信號Si（i＝1，2，...，41）進行帶通濾波，獲取2~34赫茲並且覆蓋α波段及β波段的帶通腦電信號Si（i＝1，2，...，41）；對Si（i＝1，2，...，41）進行小波包多解析度分析（這裡S0i（k）即為公式（2）和公式（3）的小波包分析的原始數據d0（k）。經過4個尺度的小波包分解後，最終獲得滿足頻帶分割要求的11個特徵子頻帶：第4尺度下覆蓋α波段的3個特徵子頻帶Sα ij（i＝1，2，...，41；j＝1，2，3）以及覆蓋β波段的8個特徵子頻帶Sβ ij（i＝1，2，...，41；j＝1，2，...，8）。這裡，為了保證子頻帶腦電信號中零極點特性不變，必須採用具有二階導數特性的小波包母函式。該發明選擇高斯函式的二階導數-墨西哥草帽（MexicoHat）小波作為母函式用於小波包多解析度分析。特徵小波包空間的頻帶分割如圖4所示。圖中方框所示為通常4尺度小波包分析樹結構；最下層標示為第4尺度下覆蓋α與β波段的11個特徵子頻帶名稱及其頻帶。
（2）小波包ICA空間濾波：對11個小波包特徵空間下的腦電信號Sα ij（i＝1，2，...，41；j＝1，2，3）以及Sβ ij（i＝1，2，...，41；j＝1，2，...，8）分別進行獨立分量分析 （ICA）。歸納小波包ICA空間濾波操作如下：依次獲取α和β波段子空間下的解混矩陣Wα j（j＝1，2，3）和Wβ j（j＝1，2，...，8），以及與之相對應的獨立分量Cα ij（i＝1，2，...，41；j＝1，2，3）和Cβ ij（i＝1，2，...，41；j＝1，2，...，8）；對11組獨立分量進行任務相關主成份優選，保留特徵信息顯著程度符合域值條件的分量，其餘分量置零；利用經過篩選的各組獨立分量及其對應的解混矩陣依次重構α波段子空間下的腦電信號
以及β波段子空間下的腦電信號
。
上述操作中，獨立分量組的主成份篩選非常關鍵。按前述思路，為獲得儘可能高的空間濾波解析度，應採用與想像動作所誘發ERD/ERS效應密切相關的優選方法。該發明參考Pfurtsehelle給出的ERD/ERS特徵量化原則，並結合小波包域ICA空間濾波的特點，提出了基於小波包對數功率譜定義的ERD/ERS係數作為ICA空間濾波中主成份篩選指標。該ERD/ERS係數定義如下：
這裡REP為特徵小波包子空間內發生ERD/ERS現象在特徵時段t1內的歸一化小波包功率譜均值；REF為執行想像動作前靜息時段t2內的歸一化小波包功率譜均值。由於各導聯腦電在特徵頻段內表現出的ERD/ERS特徵是所有與任務相關獨立分量的綜合效果，而不具備ERD/ERS特徵的獨立分量對此沒有貢獻。因此，可以依據α和β波段子空間下各獨立分量的ERD/ERS係數值（該值反映了對應獨立分量所貢獻ERD/ERS特徵的權重），對11個小波包特徵子空間分別進行獨立分量篩選：保留滿足判別閾值條件的主分量，而將其餘非主分量置為零向量。如此完成ICA空間濾波。
（3）腦電源信號重構：依據上一步ICA空間濾波篩選所得各導聯腦電信號的α和β波段子空間，按照小波包樹的結構（見圖2），利用概貌重構濾波器和細節重構濾波器依次在各尺度下進行小波包逆變換，可重構各導聯與想像動作電位密切相關的腦電源信 號。各尺度重構公式如下：
最終得到重構後的腦電源信號。
圖3（a）所示為典型受試者在C3導聯處站起想像動作腦電信號（經預處理，但未經ICA空間濾波）的功率譜密度（採用多次實驗功率譜疊加平均獲得）隨時間（橫軸）和頻率（縱軸）的變化（時頻功率譜密度分布圖）。參照圖右側色標指示，可以大致辨認ERD/ERS現象（紅色為ERS、藍色為ERD）發生的時段與頻段及顯著程度。從複雜背景中可以較容易分辨出α波段（12赫茲附近）存在著與想像動作任務同步的長時ERD現象（計算該時頻段的ERD/ERS係數為-2.3），而在 β波段（14～26赫茲）較大頻帶範圍內，ERD現象呈彌散性分布，很難識別出與想像動作任務相關ERD現象所在時頻帶。為此需採用ICA空間濾波以提高時頻解析度。圖3（b）為對圖3（a）的原始腦電信號採用傳統ICA空間濾波（再經多次實驗功率譜疊加平均）後獲得的時頻功率譜密度分布圖。可以看出，經ICA空間濾波後，噪聲干擾得到了一定程度的抑制，α波段（12赫茲附近）的ERD現象更為突出（空間濾波後，該時頻段的ERD/ERS係數改善為-6.9）。但 β波段的時頻解析度仍不盡人意：在背景噪聲得到抑制的同時，β波段的ERD現象也受到削弱，仍然無法有效識別該波段的ERD/ERS時頻特徵信息。其原因主要由於傳統ICA模型缺乏頻域特性的有效控制，即無法對不同特徵頻帶的獨立分量實現分別篩選。
為克服傳統ICA模型的局限性，需採用前述小波包ICA空間濾波方法重構各導聯與想像動作電位密切相關的腦電源信號。圖4-a給出了採用小波包域ICA空間濾波方法後，C3導聯位置的腦電信號經過多次實驗功率譜疊加平均後獲得的時頻功率譜密度分布圖。由圖4-a可以看出，採用小波包ICA空間濾波後，彌散分布的背景噪聲得到了顯著的抑制；α波段中12赫茲附近的ERD現象明顯增強（ERD/ERS係數改善為-9.7）；而β波段下，24赫茲附近的ERD現象也被凸顯出來（ERD/ERS係數改善為-6.5）。圖4-a同時給出了想像動作實施前後，在C3導聯時頻坐標系標識位置處β波段（24赫茲附近）以及α波段 （12赫茲附近）頻帶41導聯腦電信號ERD/ERS分布的腦地形圖：在站起想像動作實施前（見圖4-A中動作實施前500ms左右α波段及β波段下的標識點），運動感覺功能區（C3、C4、Cz導聯附近）沒有出現特徵頻帶的ERD或ERS現象；而在站起動作想像過程中，在β波段的24赫茲附近（見圖4-a）中動作實施後8000ms左右24赫茲附近標識點，C3和Cz導聯附近存在明顯的ERD現象，C4導聯位置沒有發生ERD或ERS現象，而在位於感覺功能區的導聯C1A處，則存在較為明顯的ERS現象；在α波段的12赫茲附近 （見圖4-a）中動作實施後8000ms左右24赫茲附近標識點，C3、C4、Cz導聯位置均存在顯著的ERD現象，而在其他區域無顯著ERD或ERS現象。圖4-b給出了小波包ICA算法後，C3導聯腦電信號的功率譜密度隨時間變化曲線。從圖4-b可以看出，C3導聯位置發生了明顯的ERD現象，並且與受試者想像站起動作的起始和終結時刻基本同步。其時間進程與圖4-A的時頻功率譜密度圖是相互對應的。為克服下肢想像動作電位特徵識別時空間解析度不足的困難，該發明提出了基於小波包獨立分量分析結合頻域事件相關去同步/事件相關同步（ERD/ERS）係數優選並滿足卷積混合模型的空間濾波新方法。通過上述站起想像動作實驗結果表明，與傳統獨立分量分析方法相比，新方法能同時增強α與β波段事件相關電位的時頻特徵並顯著提高C3、C4、Cz、C1A等關鍵導聯的ERD/ERS係數值。但有研究表明，與想像動作事件相關的ERD/ERS特徵存在較大的個體差異性，其不僅表現在ERD/ERS的特徵頻帶，而且體現於ERD/ERS係數值的顯著差別。為驗證該發明空間濾波和特徵識別方法及實驗方案的有效性與普適性，考查了10例受試者在站起動作想像實驗中ERD/ERS現象的特徵頻帶分布和特徵係數值變化（如圖5所示），以期挖掘出有價值的共性特徵。
圖5-（a）給出了10例受試者在站起動作想像過程中C3、Cz、C4及C1A導聯（對應於ERD/ERS現象顯著的感覺運動功能區位置）的ERD/ERS特徵頻帶分布。從圖5-（a）可以看出，ERD/ERS現象集中分布於α和β波段範圍。其中α波段ERD現象主要發生在運動功能區的C3、Cz、C4導聯；β波段ERD現象則分布於的C3、Cz導聯附近，同時在靠近感覺功能區的C1A導聯位置發生ERS現象。另外，從盒狀圖的四分位距分布可以看出，α波段ERD現象的特徵頻帶集中於10~14赫茲的窄帶內，而β波段ERD/ERS現象則僅集中於21~25赫茲的窄帶內。利用這個共性特徵，可以適當減少用於ICA空間濾波和特徵提取的小波包域特徵。子空間選取範圍，從而可進一步提高空間濾波和特徵識別方法的運行效率。這也說明了該發明實驗方案的有效性。
為考查小波包ICA空間濾波方法在站起想像動作腦電特徵分析中的有效性，比較了10例受試者在3種處理方式（無ICA空間濾波、傳統ICA空間濾波和小波包ICA空間濾波）後的ERD/ERS特徵係數值差異，並進行了統計學t檢驗處理。圖5（b）給出了C3、C4、Cz、C1A等關鍵導聯ERD/ERS特徵係數值的統計結果。從圖中可以看出，採用傳統ICA空間濾波方法，雖然在α波段下能夠獲得相對於不採取空間濾波更顯著的ERD/ERS特徵，但無法同時兼顧β波段下的腦電特徵增強（表現為圖中β波段經傳統ICA空間濾波後ERD/ERS特徵係數值反而低於無空間濾波處理的特徵係數值）；而經過小波包ICA空間濾波後的ERD/ERS係數幅值皆顯著高於傳統ICA空間濾波和未採用空間濾波的特徵係數值（P＜0.01）。這表明了採用小波包ICA空間濾波結合功率譜密度分析的方法能夠有效地提取與識別站起想像動作腦電的ERD/ERS特徵信息，並具有一定的普適性。
榮譽表彰
2017年12月，《下肢想像動作電位空間濾波方法》獲得第十九屆中國專利優秀獎。
