一种运动想象脑电信号分类方法及闭环训练测试交互系统技术方案

本发明专利技术公开一种基于集成机器学习方式的运动想象脑电信号分类方法及闭环训练测试交互系统，用于解决由于脑电信号非平稳特性强且信噪比低所造成的从EEG信号中提取类别特征的问题。具体地，本发明专利技术针对脑电信号这种多维度的时间离散序列，在传统的共空间模式滤波与黎曼流形滤波基础上，设计了一种集成学习方法来有效地处理运动想象信号，该集成学习方法能够有效兼顾以上两种滤波器的优点，最大化地将信号特征分离提取出来，运用集成学习方法对左右手运动想象的脑电EEG数据集进行模型训练和验证测试，最后的结果显示，其在分类识别精度上优于单一的分类方法。

A method of EEG signal classification and closed-loop training test interactive system

【技术实现步骤摘要】
一种运动想象脑电信号分类方法及闭环训练测试交互系统
本专利技术涉及人脑信号的模式识别
更具体地，涉及一种基于集成机器学习方式的运动想象脑电信号分类方法及闭环训练测试交互系统。
技术介绍
脑机接口作为一种新型的人机交互系统，其涉及到多个学科多个领域。国内外关于脑机接口系统的研究也历经多年，但是到目前为止只有一小部分脑机接口系统具有实用性，其中一大部分还处于理论和实验室阶段，但是脑机接口系统在未来的众多领域中发挥着重要的作用。如：在医学领域中，脑机接口可以解决残疾人士日常生活等问题。在航天领域，由于宇航员在外太空处于特殊环境，不便移动和作业，借助脑机接口系统可以控制机器人辅助完成任务，确保宇航员自身安全等，设计出一套基于脑机接口的系统，不仅能解决残疾人士的生活自理问题，还能给人类日常生活带来便利，提高人们的生活品质，对推动未来科技发展具有至关重要的重要。从控制科学的角度看,大脑是人体所有运动、语言机能的控制中心,以外部神经为媒介向身体发出指令。神经科学的研究发现即使外部神经和肢体因损伤而失去作用，但大脑的功能还是正常的，大脑发出的指令信息可以通过脑电信号传递出来。研究还发现人们在进行某些思维活动时或者在外界某种刺激的诱发下，脑电信号会呈现出某种相对应的、有规律的变化模式。由此，抽象的、虚拟的大脑活动所表达的人的意愿就有可能通过实在的、物理的脑电信号而表征出来,脑电信号就成为人脑与外部联系的桥梁。神经科学的上述研究成果为脑控的研究提供了科学依据和工作原理。原始脑电信号在数据特征上呈现出非平稳特性且信噪比低,造成相同受试本体在不同时段下的脑电信号规律性较弱，不同受试者个体差异带来的脑电信号不规则特性更强，如何提高并且保证脑电信号分类正确率一直是脑机接口系统研究中的难点。要想从本质上掌握人脑在运动想象思维活动下的脑电信号模式以及动态变化特征，不能只局限于本专业的信号处理知识，还需要结合神经学相关方面知识原理。因此，需要提供一种运动想象脑电信号分类方法及闭环训练测试交互系统。
技术实现思路
本专利技术的一个目的在于提供一种基于集成机器学习方式的运动想象脑电信号分类方法。为达到上述目的，本专利技术采用下述技术方案：一种基于集成机器学习方式的运动想象脑电信号分类方法，分类方法采用集成学习方法进行脑电信号分类，其中，集成学习方法采用Bagging算法进行学习，Bagging算法采用可重复取样技术获得训练集，然后在训练集上训练生成两个以上的学习器，再将学习器采用融合拼接思想以生成优化的学习器，并且Bagging算法至少融合了共空间模式滤波器特征向量和黎曼流形高维空间数据特征提取特征向量。可选地，集成学习方法采用至少两种学习模型和学习算法模型，以最大化地将信号特征分离提取出来。可选地，集成学习方法应用在脑电信号分类中的方法包括以下步骤：步骤S1：获取受试对象原始脑电信号；步骤S2：对获取的受试者的原始脑电信号进行预处理，通过滤波和去噪，以得到预处理后的受试对象原始脑电信号；步骤S3：使用两个以上的分类器模型对经过预处理后的原始脑电信号进行分类；步骤S4：将分类结果通过显示屏显示，供用户分析或者使用。进一步可选地，步骤S1包括：受试对象原始脑电信号获取时，每次实验分为5个小节完成，每一个小节中包含50个单次实验流程试验，其中受试对象的两个动作想象各25次，并且以顺序随机的方式出现；其中，每小节包括：令受试对象在前5秒钟时处于思维放松状态，不进行任何运动想象；在第5秒开始时，屏幕提示受试对象实验马上开始信息，受试对象集中注意力的持续时间为5秒钟；从第10秒开始，出现两个提示动作，受试对象根据提示内容，分别想象动作，受试对象的想象思维活动一直持续到第16秒，直到提示动作消失为止进一步可选地，步骤S3包括：通过至少共空间模式滤波器进行空域滤波特征提取算法或黎曼流形高维空间模型进行黎曼流形高维空间数据特征提取，采用集成学习方法中的Bagging算法，将受试对象的原始脑电信号训练集训练生成两个以上的学习器，再对两个以上的学习器采用融合拼接思想进一步训练生成优化的分析学习器。可选地，学习模型训练方法通过两个动作运动想象方式进行，包括：系统默认受试对象处于“工作状态”，在状态下，受试者需要在系统预先设定好的时间段内完成各种思维任务；系统通过分析预先设定的时间段内所采集到的脑电信号，将受试对象的想象信号打上标签；针对打好两个动作想象的标签数据，系统离线对数据进行预处理、特征提取与特征选择，采用滤波器组提取特定频率段的能量特征，将该特征作为机器学习算法分类的依据，进行分类研究；最终得到针对被试对象的两个动作运动想象脑电数据模型，为后续的在线分析两个动作想象提供判断依据。本专利技术的另一个目的在于提供一种闭环训练测试交互系统，系统包括：视觉刺激终端，用于刺激受试对象的视觉；受试对象，用于试验运动想象脑电信号分类的个体；智能头盔，用于传递受试对象的运动想象脑电信号的介质；数据采集终端，用于采集受视对象的原始脑电信号；及数据处理终端，用于对采集到的受视对象的原始脑电信号进行预处理，并进行信号的特征提取、模式分类，并将分类的结果通过指令翻译转化为控制命令；其中，视觉刺激终端通过视觉刺激终端设置的显示屏向受试对象传递信息指令，受试对象佩戴智能头盔传递原始脑电信号，智能头盔输出端与数据采集终端输入端连接，数据采集终端输出端与数据处理终端输入端连接，视觉刺激终端还与数据处理终端双向连接。本专利技术的有益效果如下：本专利技术将提取的脑电信号运用集成方式提取信息，兼顾了共空间模式和黎曼流形特征提取的优点，最大程度上将有效特征区分出来。附图说明下面结合附图对本专利技术的具体实施方式作进一步详细的说明。图1示出本专利技术闭环训练测试交互系统；图2示出本专利技术左右手运动想象训练示意；图3示出本专利技术左右手运动想象信号电极分布。具体实施方式为了更清楚地说明本专利技术，下面结合优选实施例和附图对本专利技术做进一步的说明。附图中相似的部件以相同的附图标记进行表示。本领域技术人员应当理解，下面所具体描述的内容是说明性的而非限制性的，不应以此限制本专利技术的保护范围。本专利技术的说明书和权利要求书及上述附图中的属于“第一”、“第二”等是用于区别不同的对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法或设备固有的气体步骤或单元。一种基于集成机器学习方式的运动想象脑电信号分类方法，该分类方法采用集成学习方法进行脑电信号分类。该集成学习方法采用至少两种学习模型和学习算法模型，以最大化地将信号特征分离提取出来。该集成学习本文档来自技高网...

【技术保护点】
1.一种基于集成机器学习方式的运动想象脑电信号分类方法，其特征在于，所述分类方法采用集成学习方法进行脑电信号分类，其中，所述集成学习方法采用Bagging算法进行学习，所述Bagging算法采用可重复取样技术获得训练集，然后在所述训练集上训练生成两个以上的学习器，再将所述学习器采用融合拼接思想以生成优化的学习器，并且所述Bagging算法至少融合了共空间模式滤波器特征向量和黎曼流形高维空间数据特征提取特征向量。/n

【技术特征摘要】
1.一种基于集成机器学习方式的运动想象脑电信号分类方法，其特征在于，所述分类方法采用集成学习方法进行脑电信号分类，其中，所述集成学习方法采用Bagging算法进行学习，所述Bagging算法采用可重复取样技术获得训练集，然后在所述训练集上训练生成两个以上的学习器，再将所述学习器采用融合拼接思想以生成优化的学习器，并且所述Bagging算法至少融合了共空间模式滤波器特征向量和黎曼流形高维空间数据特征提取特征向量。


2.根据权利要求1所述的一种基于集成机器学习方式的运动想象脑电信号分类方法，其特征在于，所述集成学习方法采用至少两种学习模型和学习算法模型，以最大化地将信号特征分离提取出来。


3.根据权利要求1所述的一种基于集成机器学习方式的运动想象脑电信号分类方法，其特征在于，所述集成学习方法应用在脑电信号分类中的方法包括以下步骤：
步骤S1：获取受试对象原始脑电信号；
步骤S2：对获取的受试者的原始脑电信号进行预处理，通过滤波和去噪，以得到预处理后的受试对象原始脑电信号；
步骤S3：使用两个以上的分类器模型对经过预处理后的原始脑电信号进行分类；
步骤S4：将分类结果通过显示屏显示，供用户分析或者使用。


4.根据权利要求3所述的一种基于集成机器学习方式的运动想象脑电信号分类方法，其特征在于，所述步骤S1包括：
所述受试对象原始脑电信号获取时，每次实验分为5个小节完成，每一个小节中包含50个单次实验流程试验，其中所述受试对象的两个所述动作想象各25次，并且以顺序随机的方式出现；
其中，每小节包括：令所述受试对象在前5秒钟时处于思维放松状态，不进行任何运动想象；在第5秒开始时，屏幕提示受试对象实验马上开始信息，所述受试对象集中注意力的持续时间为5秒钟；从第10秒开始，出现两个提示动作，所述受试对象根据提示内容，分别想象所述动作，所述受试对象的想象思维活动一直持续到第16秒，直到所述提示动作消失为止。


5.根据权利要求3所述的一种基于集成机器学习方式的运动想...

【专利技术属性】
技术研发人员：温暖，
申请(专利权)人：北京无线电测量研究所，
类型：发明
国别省市：北京;11