【技术实现步骤摘要】
一种基于侵入式BCI的人脑意念识别系统
：本专利技术属于人脑颅内脑电信号识别
，具体设计一种计入侵入式BCI设备人类意念识别的系统方法。
技术介绍
：人脑的意念分为情绪、爱好、瞬时的想法、运动指令等，最常见的应用是识别人脑对文字、音乐、图像等的想法，高效率地输出到计算机中。人脑的想法或意念是有迹可循的，可以通过收集广泛分布与大脑皮层的脑电波变化得到。相关技术包括但不限于：对颅内信号收集的侵入式和非侵入式技术，如功能性核磁共振成像技术等；以电极阵列构建三维电场数据的技术；人脑不同意念和指令识别的算法技术等。存在的问题是，目前人脑侵入式设备主要应用在残疾人躯体控制等方面，意念识别仅限于身体运动的简单指令，没有对于丰富的大脑意念的综合识别。对于人脑电信号收集的设备，少有三维信号收集，而是局限于特定信号点的脑电信号收集，所以遗失了很多信息，无法对于丰富的人脑状态进行判断。功能性核磁成像为代表的非侵入式三维脑信号检测系统，在时域和频域的精度不足以达到意念识别的程度，并且需要的设备过于庞大和昂贵，不便于日常生活中的检测。<...
【技术保护点】
1.基于侵入式BCI设备的人脑意念识别系统，其特征在于：包括人脑颅内脑电信号采集、传输和判别步骤，所述人脑颅内脑电信号采集、传输和判别步骤为：/n第一步：通过特制的植入式设备进行原始脑电信号采集，阵列式电极排列收集的信号可还原为颅内三维的脑电信号；/n第二步：信号通过颅内信号无线传输设备进行同步放大并编码，通过5G或蓝牙模块传输到移动端；/n第三步：移动端APP接收信号后，将未解码的信号文件包直接上传到云端高性能计算服务器集群，进行信号解析和分析计算；/n第四步：在云端服务器，应用预处理算法进行信号解码、稳定性分析和特征提取；/n第五步：应用机器学习算法、深度学习算法进行信...
【技术特征摘要】 【专利技术属性】
1.基于侵入式BCI设备的人脑意念识别系统，其特征在于：包括人脑颅内脑电信号采集、传输和判别步骤，所述人脑颅内脑电信号采集、传输和判别步骤为：
第一步：通过特制的植入式设备进行原始脑电信号采集，阵列式电极排列收集的信号可还原为颅内三维的脑电信号；
第二步：信号通过颅内信号无线传输设备进行同步放大并编码，通过5G或蓝牙模块传输到移动端；
第三步：移动端APP接收信号后，将未解码的信号文件包直接上传到云端高性能计算服务器集群，进行信号解析和分析计算；
第四步：在云端服务器，应用预处理算法进行信号解码、稳定性分析和特征提取；
第五步：应用机器学习算法、深度学习算法进行信号分析计算，判断各种常规意念的特征参数是否达到阈值，并组合得到综合的实时人脑意念结果。
2.根据权利要求1所述的基于侵入式BCI设备的人脑意念识别系统，其特征在于：所述第一步和第二步中信号采集和传输步骤具体流程为：
第一步：使用者植入的颅内脑电信号采集设备电极阵列植入位置位于前额大脑纵裂，竖直排布，每个电极分左右两组，分别检测左右半球额叶皮层；
第二步：植入设备的电极阵列通过高性能生物材料光纤传输到植入设备的信号处理和外传部分组件，该组件定期通过贴合在额部的外部电源设备进行无线充电；
第三步：多电极的脑电信号由信号传输设备进行放大，之后通过交叉编码，整合为信息量更大的高频数字信号，并传输到移动端；
第四步：移动端将接收到的信号传输到云端服务器。
3.根据权利要求1所述的基于侵入式BCI设备的人脑意念识别系统，其特征在于：所述第四步中信号解析和预处理步骤计算流程为：
第一步：对高速传输的数字信号进行解码，还原为多通道电极阵列的脑电信号；
第二步：通过滤波算法和主成分分析进行噪音取除和转换变化，主要通过回归法、自适应滤波法和独立分量分析法对眼动干扰、心电干扰、肌电干扰、工频干扰和高频噪声干扰等进行取除；
第三步：利用不同电极位置关系，构建额叶左右半脑三维的电势场分布；
第四步：对解析后的三维电波变化进行时域和频域的参数提取和特征变换工程，并进行特征归类，以待下一步分析。
技术研发人员：王晓岸，卢树强，沈阳，李博，
申请(专利权)人：北京脑陆科技有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。