基于时间编码的外骨骼混合脑机接口控制方法技术

本发明专利技术公开基于时间编码的外骨骼混合脑机接口控制方法。本发明专利技术主要使用稳态诱发电位脑机接口实现外骨骼运动模式之间切换，使用运动想象脑机接口实现外骨骼运动状态之间切换，两者与时间窗编码相融合，并由编码时间窗所处的不同状态选取相应脑机接口算法进行单次决策。综合连续的单次决策结果，输出综合决策的结果，并映射为外骨骼控制指令进行下发。其可辅助使用者根据主动运动意图在7种运动模式与运动状态之间切换：直立，行走，坐，上楼梯，下楼梯，左腿前进，右腿前进。本发明专利技术将7分类转变为2分类与空闲状态的检测，可有效的降低系统的假阳性率并提高识别率。

Interface control method of exoskeleton hybrid brain computer based on time coding

【技术实现步骤摘要】
基于时间编码的外骨骼混合脑机接口控制方法
本专利技术属于脑机接口领域，涉及了一种基于时间编码的外骨骼混合脑机接口控制方法。
技术介绍
近年来，下肢外骨骼机器人作为一种辅助运动及康复治疗的设备已经被广泛应用。然而，基于被动式运动的下肢外骨骼机器人并不能遵循人的主动运动意图。脑机接口(BCI)是一种不依赖于正常的由外周围神经和肌肉组成的输出通路的通讯系统，其可将使用者的意图有效解码为控制指令进行输出。将BCI技术引入下肢外骨骼机器人控制系统，可帮助有运动障碍的使用者更有效地进行康复训练，同时可帮助活动能力弱的老年人进行辅助运动。但是，目前的脑机接口绝大部分基于单一的EEG信号，包括：稳态视觉诱发电位、P300事件相关电位、慢皮层电位及运动想象。随着BCI技术的发展，使用单一的BCI去输出多类指令已比较困难。混合脑机接口是指在一种单模态BCI的基础上，加入新的控制方式进行混合控制的BCI。其可有效的降低系统的假阳性率，并增加系统可识别的任务数量。
技术实现思路
本专利技术的目的是针对现存方案存在的不足和改善需要，提出一种基于运动想象(MI)和稳态视觉诱发电位(SSVEP)的混合脑机接口，并应用本文档来自技高网...

【技术保护点】
1.基于时间编码的外骨骼混合脑机接口控制方法，其特征在于该方法包括以下步骤：步骤(1)、EEG信号采集使用者通过注视稳态诱发电位视觉刺激器与运动想象视频以产生不同的生理特征信号，系统通过脑电采集设备以对EEG原始信号进行采集；步骤(2)、对步骤(1)获取得到的原始EEG信号数据进行滤波预处理；步骤(3)、稳态诱发视觉电位的外骨骼运动模式控制识别步骤(2)预处理后EEG信号中单个时间窗的稳发诱发视觉电位并进行时间窗编码，以对使用者的5种运动模式的运动意图进行决策并控制，其中运动模式包括直立、下楼梯、上楼梯、自动行走、坐；具体是：3.1 通过CCA算法识别不同刺激频率的稳发诱发视觉电位：从不同通道...

【技术特征摘要】
1.基于时间编码的外骨骼混合脑机接口控制方法，其特征在于该方法包括以下步骤：步骤(1)、EEG信号采集使用者通过注视稳态诱发电位视觉刺激器与运动想象视频以产生不同的生理特征信号，系统通过脑电采集设备以对EEG原始信号进行采集；步骤(2)、对步骤(1)获取得到的原始EEG信号数据进行滤波预处理；步骤(3)、稳态诱发视觉电位的外骨骼运动模式控制识别步骤(2)预处理后EEG信号中单个时间窗的稳发诱发视觉电位并进行时间窗编码，以对使用者的5种运动模式的运动意图进行决策并控制，其中运动模式包括直立、下楼梯、上楼梯、自动行走、坐；具体是：3.1通过CCA算法识别不同刺激频率的稳发诱发视觉电位：从不同通道采集到的步骤2处理后EEG信号集合X∈RC×P，其中C为通道的数量，P为采样点数；设定参考信号集合Y∈R2H×T，其可被描述为式(1)：其中fm表示稳态诱发电位视觉刺激器的频率，m表示刺激频率的种类，m＝1，2，...，N，H表示谐波数量，F表示采样率；将上述EEG信号集合X与参考信号集合Y采用CCA方法分别找寻一对向量Wx∈RC和Wy∈R2H，以使得X∈RC×P与Y∈R2H×T在其上的投影x＝XTWx和y＝YTWy这两者之间的相关性系数p最大，其中T表示转置；进而求取最大相关系数pm如下式(2)：其中E[.]表示数学期望；通过上述最大相关系数pm，根据公式(3)得到决策结果3.2将步骤3.1单次时间窗所检测出的最大相关系数pm与预先设定阈值λ进行比较，若pm＜λ，则表示当前为空闲状态，否则输出决策结果；3.3根据时间窗对EEG信号重复步骤3.1-3.2获得若干单次决策结果，综合连续时间窗口的n次决策结果(n≥2)，若满足一种运动模式的时间窗编码，则映射为该运动模式外骨骼控制指令；步骤(4)、运动想象的外骨骼运动状态控制首先分别提取使用者的三种运动想象EEG特征：左手运动想象、右手运动想象、空闲状态，然后进行分类决策，同时上述运动意图分别映射为外骨骼的左腿运动、右腿运动、以及保持当前状态；具体是：4.1使用左右手运动视频对使用者进行刺激，让使用者根据视频中的运动进行意念中的运动想象；分别采集使用者在左手运动想象、右手运动想象、空闲状态的三部分的EEG信号数据，作为训练集数据；获取步骤二预处理后的左手运动想象X1∈RC×T、右手运动想象X2∈RC×T，构建二分类CSP空域滤波器与投影矩阵；根据公式(4)计算两者自身的协方差矩阵：分别计算得到的多个协方差矩阵r1和r2的平均值，记为和构造混合协方差矩阵r，并对r做主分量分解，得到：定义白化矩阵P为：P＝Λ-1/2QT式(6)用白化矩阵P对矩阵和进行白化变换，得到S1以及S2：然后用相同的方式对S1和S2做特征值分解：其中，Q1＝Q2＝V，且特征值矩阵Λ1和Λ2的和为单位矩阵，即Λ1+Λ2＝I式(9)则当矩阵S1与S2其中某一个矩阵在某一方向上的特征值达到最大时，对应的另一个矩阵在这一方向上的特征值将会最小；因此，取V中的前行m和后m行组成最佳空域滤波器SF，并得到投影矩阵I：I＝SFTP式(10)...

【专利技术属性】
技术研发人员：孔万增，杨文辉，张建海，宋扬，刘建忠，
申请(专利权)人：杭州电子科技大学，福建中医药大学附属康复医院，
类型：发明
国别省市：浙江,33