脑电信号的识别模型构建方法、装置以及识别方法、装置制造方法及图纸

本发明专利技术提供一种脑电信号的识别模型构建方法、装置以及识别方法、装置，首先通过肌电信号确定脑电信号的运动起始时刻，然后在起始时刻之前的时间段中确定运动空闲态和运动准备态，并分别对运动空闲态和运动准备态进行特征提取，采用线性判别式方式得到识别模型，再将实时采集的脑电信号输入该识别模型，从而判断当前运动状态。本发明专利技术能够及时检测行动不便人的运动意图，并将该意图转换为相应的控制指令，控制外围设备进行动作，从而满足日常动作需求，相较于基于运动想象的脑‑机接口系统，本发明专利技术能够提前获取动作意图，提高系统的实时性，给行动不便人更佳的体验效果。

The construction method, device, recognition method and device of EEG recognition model

The invention provides a recognition model construction method, device, recognition method and device of EEG signal. Firstly, the starting time of EEG signal movement is determined by EMG signal, then the idle state and the ready state of movement are determined in the time period before the starting time, and the characteristics of the idle state and the ready state of movement are extracted respectively by linear discriminant method Then the EEG signals collected in real time are input into the recognition model to judge the current motion state. The invention can detect the movement intention of non-user-friendly actions in time, convert the intention into corresponding control instructions, control peripheral devices to perform actions, so as to meet the daily action requirements. Compared with the brain \u2011 machine interface system based on movement imagination, the invention can obtain the action intention in advance, improve the real-time performance of the system, and give a better experience effect of non-user-friendly actions.

【技术实现步骤摘要】
脑电信号的识别模型构建方法、装置以及识别方法、装置
本专利技术涉及运行脑电信号处理领域，具体涉及一种脑电信号的识别模型构建方法、装置以及识别方法、装置。
技术介绍
脑-机接口(Brain-ComputerInterface，BCI)系统是一种不依赖外围神经回路的大脑与外部设备之间的直接通信通路，目前常用的脑-机接口系统主要基于三种脑电信号，即稳态视觉诱发电位(Steady-StateVisualEvokedPotential，SSVEP)、P300电位和运动想象。稳态视觉诱发电位和P300电位属于视觉诱发电位，具有较高的识别率和信息传输率，因此常用于字符输入的脑-机接口系统。运动想象属于自发脑电，不依赖外围设备的刺激，常用于轮椅等外围设备的控制。随着老年人的增加，我国已逐步步入老龄化社会，这也势必会造成偏瘫等人口的上升，而脑-机接口技术可以不通过外围神经，直接通过大脑对外围设备进行控制，这些外围设备能够带动人体的相应部位完成大脑想要的动作，这对行动不便的人具有重要的应用价值。申请号为200710060162.4的中国专利技术专利公开了一种站起想象动作脑电的信号采集和特征提取方法，该专利基于运动想象的脑电信号采集和处理，能够识别肢体动作模式，转化为对应的控制指令。虽然基于运动想象的脑-机接口系统能够帮助行动不便的人重建神经回路，但是该系统仍然存在响应滞后严重的问题，给行动不便人的日常动作造成不良影响。与运动想象脑电信号相比，运动准备信号早于运动想象信号产生，也就是说，运动准备脑电信号会先于运动想象脑电信号被检测到，因此基于运动准备电位的脑-机接口系统在机理上会比基于运动想象的脑-机接口系统响应更快。但是，运动准备阶段脑电特征微弱，如何准确的识别出运动空闲态、运动准备态仍然是一个难题。
技术实现思路
本专利技术针对现有技术的不足，从而提供一种脑电信号的识别模型构建方法、装置以及识别方法、装置，具体方案如下：一种脑电信号识别模型的构建方法，包括以下步骤：步骤1，采集运动过程的脑电信号以及肌电信号；确定所述肌电信号的运动起始时刻，并将所述肌电信号的运动起始时刻作为所述脑电信号的运动起始时刻；步骤2，选取所述脑电信号的运动起始时刻开始之前的第一设定时间段对应的脑电信号作为运动空闲态数据，选取所述脑电信号的运动起始时刻之前的第二设定时间段对应的脑电信号作为运动准备态数据；步骤3，分别对所述运动空闲态数据和运动准备态数据进行采样，并将采样结果作为所述运动空闲态数据的特征值和所述运动准备态数据的特征值；步骤4，采用线性判别式方法对所述运动空闲态数据的特征值和所述运动准备态数据的特征值进行处理，得到识别模型。进一步的，步骤1中，采集运动过程的脑电信号以及肌电信号的过程包括：采集N次运动过程中的脑电信号，每次运动过程中采集位于头部设定位置的M个电极的信号作为本次运动采集得到的脑电信号；每次运动过程中采集位于运动部位的电极的信号作为本次运动采集得到的肌电信号。进一步的，步骤3中，采用10Hz的采样频率分别对所述运动空闲态数据和运动准备态数据进行采样，并将每次运动过程中每个电极采集到的脑电信号的运动空闲态数据的L个采样值作为对应的特征值；将每次运动过程中每个电极采集到的脑电信号的运动准备态数据的L个采样值作为对应的特征值。进一步的，步骤4中，所述识别模型的公式定为y＝wTx，其中，x为特征值矩阵，为M*L行2N列；w为权值矩阵，为M*L行1列；每次运动过程中，将运动空闲态的M*L个特征值组成运动空闲态向量，运动准备态的M*L个特征值组成运动准备态向量；所述特征值矩阵x中的列向量由所述运动空闲态向量和所述运动准备态向量组成；定义y′为标签值矩阵，所述标签值矩阵y′为1行2N列，将所述标签值矩阵y′中与所述运动空闲态向量对应的矩阵元素取值定为1，将所述标签值矩阵y′中与所述运动准备态向量对应的元素取值定为-1；将所述特征值矩阵x和标签值矩阵y′代入公式y′＝wTx，训练得到权值矩阵w，即进一步的，以所述脑电信号的运动起始时刻为零时刻，所述第一设定时间段为2.2s至2.8s；所述第二设定时间段为0s至0.6s。进一步的，采用零相位IIR滤波器对所述脑电信号进行0.1-1Hz滤波。进一步的，N为50，M为10，L为6。本专利技术还提供了一种脑电信号识别方法，包括以下步骤：采集实时脑电信号，将所述实时脑电信号的运动空闲态数据的特征值以及运动准备态数据的特征值输入识别模型，所述识别模型采用权利要求1-7任意一项所述的脑电信号识别模型的构建方法构建得到，根据所述识别模型的输出判断所述实时脑电信号是否处于运动空闲态或者运动准备态。本专利技术还提供了一种脑电信号识别模型的构建装置，包括用于采集脑电信号的脑电采集器、用于采集肌电信号的肌电采集器、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器连接所述脑电采集器、肌电采集器和存储器；所述处理器执行所述计算机程序时实现权利要求1-7任意一项所述的脑电信号识别模型的构建方法。本专利技术还提供了一种脑电信号识别装置，包括用于采集脑电信号的脑电采集器、用于采集肌电信号的肌电采集器、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器连接所述脑电采集器、肌电采集器和存储器；所述处理器执行所述计算机程序时实现权利要求8所述的脑电信号识别方法。本专利技术相对现有技术具有突出的实质性特点和显著的进步，具体地说，本专利技术具有以下优点：本专利技术首先通过肌电信号确定脑电信号的运动起始时刻，然后在起始时刻之前的时间段中确定运动空闲态和运动准备态，并分别对运动空闲态和运动准备态进行特征提取，采用线性判别式方式得到识别模型，再将实时采集的脑电信号输入该识别模型，从而判断当前运动状态。本专利技术能够准确的确定脑电信号的空闲态和准备态，及时检测行动不便人的运动意图，并将该意图转换为相应的控制指令，控制外围设备进行动作，从而满足日常动作需求，相较于基于运动想象的脑-机接口系统，本专利技术基于运动空闲态和运动准备态的脑电信号识别能够提前获取动作意图，提高系统的实时性，给行动不便人更有效的操作效果。附图说明图1是本专利技术实施例中的方法流程图；图2是本专利技术实施例中采集脑电信号时电极分布图；图3是本专利技术实施例中左右手动作时肌电信号运动起始时刻示意图；图4是本专利技术实施例中运动空闲态和运动准备态的时刻示意图；图5是本专利技术实施例中运动准备态对应的脑部主要活动区域；图6是本专利技术实施例中某一被试人员的脑电原始信号；图7是本专利技术实施例中某一被试人员经过滤波后的脑电信号；图8是本专利技术实施例中某一被试人员的脑电信号采样示意图。具体实施方式下面通过具体实施方式，对本专利技术的技术方案做进一步的详细描述。实施例一如图1所示，本实本文档来自技高网...

【技术保护点】
1.一种脑电信号识别模型的构建方法，其特征在于，包括以下步骤：/n步骤1，采集运动过程的脑电信号以及肌电信号；确定所述肌电信号的运动起始时刻，并将所述肌电信号的运动起始时刻作为所述脑电信号的运动起始时刻；/n步骤2，选取所述脑电信号的运动起始时刻开始之前的第一设定时间段对应的脑电信号作为运动空闲态数据，选取所述脑电信号的运动起始时刻之前的第二设定时间段对应的脑电信号作为运动准备态数据；/n步骤3，分别对所述运动空闲态数据和运动准备态数据进行采样，并将采样结果作为所述运动空闲态数据的特征值和所述运动准备态数据的特征值；/n步骤4，采用线性判别式方法对所述运动空闲态数据的特征值和所述运动准备态数据的特征值进行处理，得到识别模型。/n

【技术特征摘要】
1.一种脑电信号识别模型的构建方法，其特征在于，包括以下步骤：
步骤1，采集运动过程的脑电信号以及肌电信号；确定所述肌电信号的运动起始时刻，并将所述肌电信号的运动起始时刻作为所述脑电信号的运动起始时刻；
步骤2，选取所述脑电信号的运动起始时刻开始之前的第一设定时间段对应的脑电信号作为运动空闲态数据，选取所述脑电信号的运动起始时刻之前的第二设定时间段对应的脑电信号作为运动准备态数据；
步骤3，分别对所述运动空闲态数据和运动准备态数据进行采样，并将采样结果作为所述运动空闲态数据的特征值和所述运动准备态数据的特征值；
步骤4，采用线性判别式方法对所述运动空闲态数据的特征值和所述运动准备态数据的特征值进行处理，得到识别模型。


2.根据权利要求1所述的脑电信号识别模型的构建方法，其特征在于，步骤1中，采集运动过程的脑电信号以及肌电信号的过程包括：
采集N次运动过程中的脑电信号，每次运动过程中采集位于头部设定位置的M个电极的信号作为本次运动采集得到的脑电信号；
每次运动过程中采集位于运动部位的电极的信号作为本次运动采集得到的肌电信号。


3.根据权利要求2所述的脑电信号识别模型的构建方法，其特征在于：步骤3中，按照设定采样频率分别对所述运动空闲态数据和运动准备态数据进行采样，并将每次运动过程中每个电极采集到的脑电信号的运动空闲态数据的L个采样值作为对应的特征值；将每次运动过程中每个电极采集到的脑电信号的运动准备态数据的L个采样值作为对应的特征值。


4.根据权利要求3所述的脑电信号识别模型的构建方法，其特征在于，步骤4中，所述识别模型的公式定为y＝wTx，其中，x为特征值矩阵，为M*L行2N列；w为权值矩阵，为M*L行1列；
每次运动过程中，将运动空闲态的M*L个特征值组成运动空闲态向量，运动准备态的M*L个特征值组成运动准备态向量；
所述特征值矩阵x中的列向量由所述运动空闲态向量和所述运动准备态向量组成；
定...

【专利技术属性】
技术研发人员：胡玉霞，张利朋，张锐，申通达，苏筱雅，师丽，高金峰，
申请(专利权)人：郑州大学，
类型：发明
国别省市：河南;41