基于跨脑融合决策的多人运动想象识别方法及脑机系统技术方案

本发明专利技术公开了基于跨脑融合决策的多人运动想象识别方法及脑机系统。本发明专利技术基于跨脑融合决策的多人运动想象识别方法，具体如下：一：n个训练人员进行运动想象；二、对步骤一获得的脑电数据分别进行预处理，并打标签。三、将训练集中各训练人员的脑电数据进行融合，得到各运动想象任务对应的训练用融合脑电数据。四、用带有标签的训练用融合脑电数据对分类器进行训练。五、n个被测者想象同一个运动，在想象的同时采集各被测者的脑电信号，并进行预处理。之后，对n个被测者的脑电数据进行融合，测到跨脑融合脑电数据；将跨脑融合脑电数据导入训练好的分类器中进行分类判断，获取n个被测者想象的运动类别。象的运动类别。象的运动类别。

【技术实现步骤摘要】
基于跨脑融合决策的多人运动想象识别方法及脑机系统


[0001]本专利技术专利属于人工智能-模式识别-脑机接口领域，具体涉及一种基于跨脑融合决策的多人运动想象的在线脑机接口系统。

技术介绍

[0002]脑机接口(Brain Computer Interface，BCI)被各国脑计划视为重要内容之一。BCI是指可以为人脑与外部环境之间建立起一种不依赖于外周神经或肌肉组织的新型信息交流方式的技术。其工作原理是通过采集人脑信号，对其进行模式识别，解析出大脑意图，再将其转化为外部指令，进而与外部设备/环境达到沟通交互。基于脑电信号(EEG)的脑机接口具有成本低、操作方便、非侵入等重要优点，是当前BCI主要方向。
[0003]BCI三大范式技术包括P300、运动想象和稳态视觉诱发。其中，运动想象是指没有实际的肢体行为，而是直接利用大脑意念想象肢体动作，进而转化为后续的实际操作。它是一种内源性自发脑电，与诱发脑电不同的是，其无需外界刺激，只需人进行想象运动，脑电波就呈现特异波形。因此，运动想象BCI的应用很广：对常见于老年人中的瘫痪、中风等疾病造成的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于跨脑融合决策的多人运动想象识别方法，其特征在于：步骤一：向n个训练人员提供多个运动想象任务，n≥2；该多个运动想象任务包含所有的m个任务类别，m≥2；在各训练人员进行运动想象的同时采集脑电信号，分别获得各训练人员在执行各个运动想象任务时的脑电信号；步骤二、对步骤一获得的脑电数据分别进行预处理；并对脑电信号打上对应的运动想象任务标签，形成训练集；步骤三、将训练集中各训练人员的脑电数据进行融合，得到各运动想象任务对应的训练用融合脑电数据；步骤四、用带有标签的训练用融合脑电数据对分类器进行训练；步骤五、n个被测者想象同一个运动，在想象的同时采集各被测者的脑电信号，并进行预处理；之后，对n个被测者的脑电数据进行融合，测到跨脑融合脑电数据；将跨脑融合脑电数据导入训练好的分类器中进行分类判断，获取n个被测者想象的运动类别。2.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法，其特征在于：步骤三中，脑电数据的融合采用如下方法：将n个被测者的脑电数据取平均。3.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法，其特征在于：步骤三中，脑电数据的融合采用如下方法：将n个被测者的脑电数据进行拼接。4.根据权利要求1所述的基于跨脑融合决策的多人运动想象识别方法，其特征在于：步骤四中所述的分类器包括并排设置的m个二分类器；m个二分类器的两个类别中，其中一个类别是单一的运动想象类别，另一个类别是该单一运动想象类别外的所有运动想象类别的融合类别；每个二分类器的单一的运动想象类别均不相同；将脑电数据输入m个二分类器后；m个二分类器进行分类后各自输出特征矩阵；将m个特征矩阵拼接后导入单一分类器输出分类结果。5.根据权利要求4所述的基于跨脑融合决策的多人运动想象识别方法，其特征在于：对分类器进行训练的具体过程如下：利用训练集对m个二分类器分别进行训练；训练时，按照二分类器预设的分类要求，先将m-1个运动想象类别合并为其中一类，将最后一个运动想象类别作为另一类进行二分类；单个二分类器进行训练的过程如下：计算二分类器的两个类别的样本协方差N1、N2，计算公式如下：算公式如下：其中，E1、E2分别为训练集中与二分类器的两个类别对应的脑电数据；trace(
·
)为矩阵的迹运算；对样本协方差N1、N2进行...

【专利技术属性】
技术研发人员：孔万增，王鑫洋，朱莉，杨宇，张建海，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：