基于大脑信息识别被试自发想象物体位移方位的识别方法技术

本发明专利技术涉及一种基于大脑信息识别被试自发想象物体位移方位的识别方法，整个数据采集在自然环境下进行，不给予被试任何刺激，并且整个过程中所有想象动作均由被试自发完成，充分调动了被试的主动想象意识。利用近红外脑成像技术采集被试想象动作信息，识别出被试想象动作以及该动作类型，并实时控制物体平台。

【技术实现步骤摘要】
基于大脑信息识别被试自发想象物体位移方位的识别方法
本专利技术涉及大脑信息识别，特别是涉及基于大脑信息识别被试自发想象物体位移方位的识别方法。
技术介绍
近年来，随着生活水平的提高与城市商业圈的完善，娱乐休闲在人们生活中所占的比重逐渐增大。人们有更多时间与金钱花费在娱乐休闲上，大多数人会选择与家人或朋友一起看电影、购物。在很多商圈与影城中，都有供行人娱乐的抓娃娃机，这些娃娃机中有很多最近流行的布偶或毛绒玩具，会吸引部分购物者和观影者前来抓娃娃。抓娃娃如果仅仅依靠手随意操控是难以抓到的，它需要眼、手的共同协作以及我们注意力。在抓取娃娃的过程中，我们需要我们的目光注视着抓娃娃机的爪子，时刻注意它与目标娃娃的垂直距离，不断的将爪子与目标娃娃的距离信息反馈给大脑，同时我们大脑根据反馈的信息，集中注意力，利用手控制操控杆，直到爪子落下抓取目标娃娃。近几年来，随着VR技术的发展以及相关配件价格的下降，VR产品已经走进大众生活，比如用VR设备观看电影有更好的视觉体验，用VR设备玩游戏让玩家身临其境有更好的游戏体验等等。在玩VR游戏时，玩家需要戴上特制的VR眼镜用来接受虚拟情景，以及戴上特质传感器手套用来获取玩家位置移动数据，比如前段时间很火的VR游戏TheClimb，玩家戴上VR眼镜和手套，便可以在虚拟现实中勇攀高峰。无论是在抓娃娃还是玩VR游戏的过程中，我们的注意力都需要高度集中，除了控制基本的生理活动，大脑活动都用在对手的控制从而抓到娃娃或者登上高峰。手是抓取这一过程的执行部分，由此我们猜想能否不借助我们的手，而是外部设备根据我们大脑活动信息直接操控爪子的运行方向或者游戏中手的攀登方向。fNIRS作为BCI研究手段，一般用来采集运动执行和运动想象这两种脑信息。运动执行是指大脑控制人体某部分肌肉完成相应的动作，如弯臂与屈臂动作。运动想象(motorimaginary,MI)是跟运动执行相似，不同之处在于运动想象是个体在心里想象着自己的做出动作而不伴随任何的身体运动。在想象的过程中，个体没有做出任何实际动作的输出，甚至没有体验到肌肉活动，只是想象自己在实际执行这个动作。运动想象是对要进行的运动一种有意识地表征，一般会在运动准备过程中无意的排演出来。多项研究将fNIRS用于BCI研究中，其中Naseer和Hong采用fNIRS技术采集10名被试执行左右手伸屈臂动作时的脑血氧数据，以及利用线性判别器实现对运动想象任务的左右手的二元识别，平均分类率达到87.2％。Hong等利用fNIRS技术采集数名被试在进行心算、左手想象运动和右手想象运动时的大脑血氧信号，运用线性多分类判别器进行信号识别，平均分类率达到74.6％。Takahashi等人利用fNIRS研究手指敲击任务的分类研究。Leamy等人利用fNIRS和EEG采集被试挤压球任务的信号，结合fNIRS和EEG二者特征进行组合建立分类器，大大提高了正确率。目前，基于fNIRS技术的BCI实现二分类或者三分类已经能够达到比较满意的结果。但是已有的分类大多是对不同躯体，使用大脑不同区域做出的动作进行分类，比如焦学军等人利用fNIRS技术实现左臂想象伸展和右臂想象伸展的BCI。姚家扬等人利用EEG信号实现左右手、右脚和舌头这四类想象动作的分类识别，并将分类结果利用计算机转化为控制指令，传输到虚拟现实场景，实现左转，右转，前进，后退等虚拟动作的操作。现在大多数研究都利用不同躯体想象动作的脑信息实现脑机接口，对于直接利用某一躯体控制物体运动的不同想象动作脑信息实现脑机接口的研究还处于空白阶段。
技术实现思路
基于此，有必要针对上述技术问题，提供一种基于大脑信息识别被试自发想象物体位移方位的识别方法，整个数据采集在自然环境下进行，不给予被试任何刺激，并且整个过程中所有想象动作均由被试自发完成，充分调动了被试的主动想象意识。一种基于大脑信息识别被试自发想象物体位移方位的识别方法，包括：获取采集的测试区域的多个通道的血红蛋白信号；利用功率谱密度分析方法分析所述多个通道的血红蛋白信号的各频率能量分布；基于上述功率谱密度分析方法分析确定的主频范围和波峰间隔，对所述多个通道的血红蛋白信号进行小波包分解和重构；针对0-0.03hz的通道重构时间序列求和；针对以上的总时间序列采用对比分析法判断想象任务起始时刻；任务起始时刻前的10个数据点判别想象任务模态；针对每一个子频段，平均15个子区域内的通道重构时间序列；找出各个子频带子区域下活跃前20％和不活跃的低20％；针对高20％和低20％的数据，分别对比两种想象任务的初步特征，去同存异；采用遗传算法和支持向量机相结合的方法优化特征组合；利用上述得到的最优特征重新训练分类模型。上述基于大脑信息识别被试自发想象物体位移方位的识别方法，基于大脑信息识别被试自发想象物体位移方位的识别方法，整个数据采集在自然环境下进行，不给予被试任何刺激，并且整个过程中所有想象动作均由被试自发完成，充分调动了被试的主动想象意识。在另外的一个实施例中，步骤“利用功率谱密度分析方法分析所述多个通道的血红蛋白信号的各频率能量分布；”中，利用直接法对数据进行功率谱密度的分析。在另外的一个实施例中，步骤“利用功率谱密度分析方法分析所述多个通道的血红蛋白信号的各频率能量分布；”中，利用matlab软件中功率谱密度periodogram函数进行功率谱密度的分析。在另外的一个实施例中，步骤“采用遗传算法和支持向量机相结合的方法优化特征组合”具体包括将“针对高20％和低20％的数据，分别对比两种想象任务的初步特征，去同存异；”中共有的特征量剔除，剩余的特征量采用遗传算法和交叉验证方法选取最优特征量，使用SVM算法作为约束条件。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任一项所述的方法。附图说明图1为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的实验流程示意图。图2为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的小包波示意图。图3为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的遗传算法过程图。图4为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的被试2各想象动作0～0.03Hz频段血氧总量的示意图。图5为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的被试12各想象动作0～0.03Hz频段血氧总量的示意图。图6为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的眼动区、额叶区、运动区能量图。图7为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的候选特征量的示意图。图8为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的判断想象认为开始的流程示意图。图9为本申请实施例提供的一种基于大脑信息识别被试自发想象物体位移方位的识别方法中的本文档来自技高网...

【技术保护点】
1.一种基于大脑信息识别被试自发想象物体位移方位的识别方法，其特征在于，包括：获取采集的测试区域的多个通道的所述血红蛋白信号；利用功率谱密度分析方法分析所述多个通道的血红蛋白信号的各频率能量分布；基于上述功率谱密度分析方法分析确定的主频范围和波峰间隔，对所述多个通道的血红蛋白信号进行小波包分解和重构；针对0‑0.03hz的通道重构时间序列求和；针对以上的总时间序列采用对比分析法判断想象任务起始时刻；任务起始时刻前的10个数据点判别想象任务模态；针对每一个子频段，平均15个子区域内的通道重构时间序列；找出各个子频带子区域下活跃前20％和不活跃的低20％；针对高20％和低20％的数据，分别对比两种想象任务的初步特征，去同存异；采用遗传算法和支持向量机相结合的方法优化特征组合；利用上述得到的最优特征重新训练分类模型。

【技术特征摘要】
1.一种基于大脑信息识别被试自发想象物体位移方位的识别方法，其特征在于，包括：获取采集的测试区域的多个通道的所述血红蛋白信号；利用功率谱密度分析方法分析所述多个通道的血红蛋白信号的各频率能量分布；基于上述功率谱密度分析方法分析确定的主频范围和波峰间隔，对所述多个通道的血红蛋白信号进行小波包分解和重构；针对0-0.03hz的通道重构时间序列求和；针对以上的总时间序列采用对比分析法判断想象任务起始时刻；任务起始时刻前的10个数据点判别想象任务模态；针对每一个子频段，平均15个子区域内的通道重构时间序列；找出各个子频带子区域下活跃前20％和不活跃的低20％；针对高20％和低20％的数据，分别对比两种想象任务的初步特征，去同存异；采用遗传算法和支持向量机相结合的方法优化特征组合；利用上述得到的最优特征重新训练分类模型。2.根据权利要求1所述的基于大脑信息识别被试自发想象物体位移方位的识别方法，其特征在于，步骤“利用功率谱密度分析方法分析所述多个通道的血红蛋白信号的各频率能量分布；”中，利用直接法对数据进行功率谱密度的分析。3.根据权利要求1所述...

【专利技术属性】
技术研发人员：李春光，曲巍，胡海燕，郭浩，张虹淼，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32