基于脑电的康复机器人主被动训练模式控制系统及方法技术方案

本发明专利技术公开了一种基于脑电的康复机器人主被动训练模式控制系统及方法，其中系统：想象引导模块，用于播放运动想象引导音频和视频；信号采集模块，用于采集使用者在播放时产生的运动想象脑电信号，并进行预处理；信号处理模块，用于预处理信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α；康复机器人控制模块，用于在α小于阈值时，控制康复机器人进入被动训练模式，按照预先设定的角速度进行训练；若在α大于阈值时，控制康复机器人进入主动训练模式，并根据α调整机械臂角速度。本发明专利技术使使用者能够在康复训练过程中进行主动训练和被动训练两种模式下自由的切换。

Control System and Method of Active and Passive Training Mode for Rehabilitation Robot Based on EEG

The invention discloses an active and passive training mode control system and method of rehabilitation robot based on EEG, in which the system includes an imagination guidance module for playing motion imagination guidance audio and video, a signal acquisition module for collecting and preprocessing the motion imagination EEG signal generated by the user while playing, and a signal processing module for multilayer preprocessing of the signal. Wavelet decomposition is used to extract the wavelet coefficients of the preset frequency band signal and calculate the mean, energy mean and mean square deviation of the wavelet coefficients of the frequency band separately. The eigenvalue alpha of each imagination process is calculated by using the linear discriminant classification algorithm. The control module of rehabilitation robot is used to control the rehabilitation robot to enter the passive training mode when alpha is less than the threshold, and according to the preset angle. Speed training; if alpha is greater than the threshold, control the rehabilitation robot to enter the active training mode, and adjust the arm angular speed according to alpha. The invention enables the user to switch freely in two modes of active training and passive training during rehabilitation training.

【技术实现步骤摘要】
基于脑电的康复机器人主被动训练模式控制系统及方法
本专利技术涉及机器人控制，尤其涉及一种基于脑电的康复机器人主被动训练模式控制系统及方法。
技术介绍
近些年来，随着中国经济水平的不断提高，人们对医疗行业的服务要求也越来越高，越来越多的患者需要进行康复训练，例如对于一些中风、偏瘫的患者而言，除了早期的手术治疗和药物治疗以外，进行正确和科学的康复训练对于肢体运动能力的恢复显得尤为重要。但是目前市面上出现的康复机器人功能单一，不能充分挖掘人体进行康复运动的主动性。而脑机接口(Brain-ComputerInterface,BCI)技术的引入可以很好的解决以上问题。脑机接口技术通过对采集到的脑电信号进行分析来识别人的思想，从而在计算机和大脑之间建立一个新的通信通道。早在1991年，美国麻省理工大学研制出第一台上肢康复训练机器人系统，可以得到患者训练时的运动信息。2000年，斯坦福大学使用PUMA560进行辅助，发开出具有单边训练和双边训练两种模式的康复训练机器人。2003年，奥地利的格拉茨技术大学首次实现让四肢瘫痪患者用脑电信号进行手部抓取康复训练。在同一年里，清华大学实现了基于视觉诱发电位本文档来自技高网...

【技术保护点】
1.一种基于脑电的康复机器人主被动训练模式控制系统，其特征在于包括：想象引导模块，用于播放面向使用者的运动想象引导音频和视频，诱发使用者产生运动想象脑电信号；信号采集模块，用于采集使用者在音频和视频播放时产生的运动想象脑电信号，并进行预处理；信号处理模块，用于将信号采集模块输出的信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α；康复机器人控制模块，用于将特征值α与设定的阈值进行比较；若α小于阈值，则控制康复机器人进入被动训练模式，按照预先设定的康复训练机械臂的角速度进行训练；若α大于阈值...

【技术特征摘要】
1.一种基于脑电的康复机器人主被动训练模式控制系统，其特征在于包括：想象引导模块，用于播放面向使用者的运动想象引导音频和视频，诱发使用者产生运动想象脑电信号；信号采集模块，用于采集使用者在音频和视频播放时产生的运动想象脑电信号，并进行预处理；信号处理模块，用于将信号采集模块输出的信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α；康复机器人控制模块，用于将特征值α与设定的阈值进行比较；若α小于阈值，则控制康复机器人进入被动训练模式，按照预先设定的康复训练机械臂的角速度进行训练；若α大于阈值，则控制康复机器人进入主动训练模式，并根据特征值α的大小调整康复训练机械臂的角速度。2.根据权利要求1所述的基于脑电的康复机器人主被动训练模式控制系统，其特征在于：所述信号采集模块具体包括：第一双极电极，采集时放置使用者头顶左侧C3区，用于采集左脑的双极性运动想象脑电信号，并进行差分处理后传输至预处理单元；第二双极电极，采集时放置使用者头顶右侧C4区，用于采集右脑的双极性运动想象脑电信号，并进行差分处理后传输至预处理单元；预处理单元，用于将接收的信号进行截取、放大和滤波，得到预处理信号。3.根据权利要求1所述的基于脑电的康复机器人主被动训练模式控制系统，其特征在于：所述信号处理模块具体包括：多层小波分解单元，用于对信号采集模块输出的信号采用基于Mallat的快速分解算法进行多层小波分解：式中，cj+1,k表示第j+1次分解得到的逼近信号序列的第k个点值，dj+1,k表示第j+1次分解得到的细节信号序列的第k个点值，c0为原始信号采集模块输出的信号序列，gn-2k分别表示低通滤波器和高通滤波器的冲击响应；信号提取与计算单元，用于提取预设频段信号的小波系数，并分别计算该频段小波系数的均值、能量均值和均方差作为特征向量；特征值计算单元，用于采用线性判别分类算法，按照下式计算特征值α：式中，Sw为总类内离散度矩阵，m1和m2为不同模式的训练样本的特征向量,X为每次采样值的特征向量。4.根据权利要求1所述的基于脑电的康复机器人主被动训练模式控制系统，其特征在于：所述康复机器人控制模块中，康复机器人在被动训练模式下，机械臂的角速度为固定的。5.根据权利要求1所述的基于脑电的康复机器人主被动训练模式控制系统，其特征在于：所述康复机器人控制模块中，康复机器人在主...

【专利技术属性】
技术研发人员：徐宝国，李文龙，张大林，魏智唯，宋爱国，赵国普，李会军，曾洪，
申请(专利权)人：东南大学，
类型：发明
国别省市：江苏,32