脳波識別のための時空間フィルタバンクの最適設計

摘要

運動想像時脳波識別における特徴抽出のための複数のFIRフィルタと空間重み（時空間フィルタバンク）を設計する手法を提案する．脳波の特徴抽出においてはcommon spatial pattern（CSP）と呼ばれる空間重みを用いた特徴抽出法が有効であることが知られている．CSPは前処理としてバンドパスフィルタリングが必要であり，識別に最適な通過帯域は個人や測定環境に依存する．そこで，学習データから自動でフィルタのパラメータを求める手法がいくつか提案されている．しかし，それらのフィルタ決定法では1つのフィルタしか求められないため，μ波やβ波といった異なる周波数帯域・異なる部位で観測される複数の脳活動を効率的に抽出することができない．そこで，本論文は，学習データをより良く識別することができるフィルタバンクを設計し，この間題を解決する．提案法は，フィルタ係数と空間重みの両方を最適化パラメータとした評価関数を用い，フィルタ間におけるフィルタ係数の直交性という制約を導入することで，複数のFIRフィルタとそれに対応する空間重みの設計を可能にする．運動想像時脳波の識別において，提案法は既存手法を上回る識別率が得られた．また，実験によって，提案手法が運動想像に関連する脳活動を含む周波数帯域を自動で決定・抽出できることを示す．%We propose a method to design multiple FIR filters and the associated spatial weights associated for feature extraction in EEG signal classification for motor imagery based brain computer interface (MI-BCI). The spatial weights for electrodes called common spatial pattern (CSP) are known to be effective for feature extraction of MI-BCI. However, to achieve accurate classification in CSP, the frequency filter should be properly designed. To this end, several methods for designing the filter have been proposed. However, the existing methods cannot consider plural brain activities corresponding to different frequency bands and different spatial patterns such as activities of mu and beta rhythms. To address this problem, we design a set of filters that can successfully classify a learning datasets. To efficiently extract these brain activities, we design a cost function that has optimal parameters of spatial weights and filter coefficients. Moreover, by introducing a constraint of orthogonality between vectors of filter coefficients, the proposed method can design multiple FIR filters and the associated spatial weights. In the classification experiment of MI-BCI, the proposed method outperforms existing methods. Moreover, the experiment result suggests that the proposed method can automatically detect and extract the frequency bands that contain brain activities related to motor imagery.