【技术实现步骤摘要】
智能假肢脑-肌电融合感知的并行嵌套与自主择优分类器
本专利技术涉及脑-机接口技术与人工智能领域,具体涉及一种脑-肌电融合感知的并行嵌套与自主择优分类器。
技术介绍
在生机电系统中,脑电信号与肌电信号包含着关于动作意图和肢体行为特征的生理信号,广泛应用于残疾人(康复)假肢、外骨骼等领域;针对残疾患者,代表动作意图的脑电信号识别一直面临着正确率不高、稳定性差、鲁棒性弱的难题,尤其对于单侧肢体动作操控,其区分不同动作的脑电意图来自于单侧大脑运动感觉区,混淆程度高;肌电信号具有比脑电信号更明显的特征,但是往往交互逻辑的限制较大,且针对残疾初期患者,其肌电信号相对微弱;脑-肌电融合感知可以在一定程度上联合考虑脑电信号与肌电信号两者的特征与时间跨度的互补性,以达到取长补短的效果。在脊髓损伤或中风等残疾人的康复过程中,其脑电和肌电的特征与活跃水平会发生变化,具体体现在:康复初期患者肢体可控性极差,肌电信号极其微弱或极其混乱,无有效特征,因此基于肌电信号的意图识别效果较差;而此时意识清醒患者的脑电信号包含了具有有效动作意图的特征,此时的肌电信号很大程度上视作干扰项;随着康复过程的进行,患者肌肉功能获得逐渐恢复,肌肉特征的明显性与有效性增强;到了康复后期,肌电信号意图特征更为明显,而此时相对特征混淆度较大的脑电信号逐渐视作干扰项。因此在康复过程中,对脑-肌电融合分类器的主要要求之一是康复过程时间跨度的适应性与子分类器择优的自主性,并能够在脑-肌电的融合感知中加入时间跨度的权重指标,以适应患者康复过程的要求。传统的脑电或 ...
【技术保护点】
1.一种脑-肌电融合感知的并行嵌套与自主择优分类器,其特征在于:该并行嵌套与自主择优分类器包括脑电信号感知识别模块、肌电信号感知识别模块、脑肌电信号融合感知识别模块和分类器决策模块;/n所述脑电信号感知识别模块包括通过模型构造和训练而形成的脑电分类器,脑电分类器用于通过脑电实时同步信号的特征提取与特征分类对与肌电信号同步采集到的脑电信号中的动作意图进行感知识别;/n所述肌电信号感知识别模块包括通过模型构造和训练而形成的肌电分类器,肌电分类器用于通过肌电实时同步信号的特征提取与特征分类对与脑电信号同步采集到的肌电信号中的动作意图进行感知识别;/n所述脑肌电信号融合感知识别模块包括通过特征融合及损失函数修正并对脑-肌电融合特征分类进行训练而形成的脑-肌电融合分类器,所述损失函数修正采用依据脑-肌电权重指标构建的脑-肌电权重分配原则,脑-肌电权重指标由脑电活跃性权重指标和肌电活跃性权重指标以及脑电分类正确率指标和肌电分类正确率指标构成;脑-肌电融合分类器用于通过脑-肌电融合信号的特征提取与特征分类对同步采集到的脑电信号与肌电信号中的动作意图进行融合感知识别;/n所述分类器决策模块用于对所述并 ...
【技术特征摘要】
1.一种脑-肌电融合感知的并行嵌套与自主择优分类器,其特征在于:该并行嵌套与自主择优分类器包括脑电信号感知识别模块、肌电信号感知识别模块、脑肌电信号融合感知识别模块和分类器决策模块;
所述脑电信号感知识别模块包括通过模型构造和训练而形成的脑电分类器,脑电分类器用于通过脑电实时同步信号的特征提取与特征分类对与肌电信号同步采集到的脑电信号中的动作意图进行感知识别;
所述肌电信号感知识别模块包括通过模型构造和训练而形成的肌电分类器,肌电分类器用于通过肌电实时同步信号的特征提取与特征分类对与脑电信号同步采集到的肌电信号中的动作意图进行感知识别;
所述脑肌电信号融合感知识别模块包括通过特征融合及损失函数修正并对脑-肌电融合特征分类进行训练而形成的脑-肌电融合分类器,所述损失函数修正采用依据脑-肌电权重指标构建的脑-肌电权重分配原则,脑-肌电权重指标由脑电活跃性权重指标和肌电活跃性权重指标以及脑电分类正确率指标和肌电分类正确率指标构成;脑-肌电融合分类器用于通过脑-肌电融合信号的特征提取与特征分类对同步采集到的脑电信号与肌电信号中的动作意图进行融合感知识别;
所述分类器决策模块用于对所述并行嵌套与自主择优分类器输出的分类结果进行自主决策,自主决策即根据决策因子对脑电分类器、肌电分类器、脑-肌电融合分类器的分类结果进行信任度判定,并选择信任度最高的分类结果进行输出。
2.根据权利要求1所述一种脑-肌电融合感知的并行嵌套与自主择优分类器,其特征在于:所述训练的过程中采用的训练方式为剪裁训练。
3.根据权利要求1所述一种脑-肌电融合感知的并行嵌套与自主择优分类器,其特征在于:所述脑电分类器、肌电分类器均采用卷积神经网络分类器的模型结构,脑-肌电融合分类器的模型结构包括嵌套的脑电分类器和肌电分类器的特征提取部分以及融合特征分类部分。
4.根据权利要求3所述一种脑-肌电融合感知的并行嵌套与自主择优分类器,其特征在于:所述脑电分类器、肌电分类器的输入分别为通道×时间的二维脑电信号、二维肌电信号,脑-肌电融合分类器的输入为二维脑电信号与二维肌电信号的组合;脑电分类器、肌电分类器、脑-肌电融合分类器的全连接层输出经过激活函数处理之后转换为统一的N×1维独热码,其中N为动作意图分类数。
5.根据权利要求3所述一种脑-肌电融合感知的并行嵌套与自主择优分类器,其特征在于:所述脑电分类器、肌电分类器及脑-肌电融合分类器的反向传播过程采用Adam优化器,学习率为0.003-0.05;脑电分类器、肌电分类器均采用交叉熵作为损失函数;脑-肌电融合分类器所采用的损失函数是在脑电分类器、肌电分类器的损失函...
【专利技术属性】
技术研发人员:张小栋,蒋永玉,陆竹风,张毅,蒋志明,朱文静,
申请(专利权)人:西安交通大学,
类型:发明
国别省市:陕西;61
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。