一种考虑认知分心的运动起始意图神经解析方法技术

本发明专利技术公开了一种考虑认知分心的运动起始意图神经解析方法，具体步骤如下：S1、对运动任务过程中的注意力状态进行识别，判断注意力集中状态中是否存在认知分心；S2、对注意力集中和注意力认知分心状态下的运动起始意图分别进行识别。本发明专利技术通过脑电信号识别运动任务过程中的注意力集中状态，可以获得实时的神经注意力状态反馈，之后根据不同的注意力状态建立符合当前情况的运动起始意图识别模型，这对构建一个可靠的自适应BCI系统十分必要且关键。同时为上肢运动解码的研究提供了新的思路，为人机协同交互的进一步研究提供了基础。

【技术实现步骤摘要】
一种考虑认知分心的运动起始意图神经解析方法
本专利技术属于神经科学
，特别是涉及一种考虑认知分心的运动起始意图神经解析方法。
技术介绍
解析运动起始意图是人机交互系统中的一个重要研究内容。通过检测和解析人是否存在运动意图，尤其是手部的运动起始意图，可以使人机交互系统更好地辅助人类。对于脑卒中或残疾患者而言，运动起始意图的检测可以更准确地辅助其进行运动康复训练；对于健康人而言，运动起始意图的检测有助于更精准地辅助操作人员完成指定的运动任务。由于大脑是人体活动的最高控制中心，基于脑电皮层信号(EEG信号)解析人的运动起始意图具有速度快、可靠性高的优点。同时，通过EEG信号解析运动起始意图，有助于对大脑神经科学的进一步探索，帮助认识大脑活动与实际运动的神经联系。目前，有很多基于EEG信号的运动起始意图检测的研究。2012年，Eileen等人使用0.1-4Hz的脑电信号完成对左手起始运动的检测，识别准确率为81％，对右手起始运动的检测准确率为79％。2017年，Muddassar等人使用运动相关皮层电位(MRCP)作为特征，使用匹配过滤技术对上肢运动起始意图进行检测，得到的分类准确率为75.81％。2019年，NingJiang等人开发出一种用神经调节的BCI系统，使用EEG信号功率谱密度的变化，来检测和识别踝关节自定速度背屈运动的运动起始意图，准确率约为70％。然而在目前的运动起始意图检测的研究中，大都是聚焦于人执行运动这一单项任务情况下的运动起始意图的检测，并未考虑到多任务的情况，未考虑到在运动任务上注意力集中状态对检测结果的影响。一方面在实际的人机交互系统中，人在执行的指定运动任务时，势必会受到外界因素或者是其他任务的分神干扰，从而导致注意力的分散，这将会影响运动任务的完成，从而对运动起始意图的检测会产生影响。2016年，Susan等人研究表明，注意力的变化会严重降低同步BCI中的运动相关皮质电位(MRCP)检测。另一方面，人在执行运动任务时，最主要的分心任务为认知任务，如在驾驶车辆时使用车载导航仪、接听电话或使用智能手机时，需要大脑进行认知活动、思维分析，这些分心任务中主要的类型为认知任务。所以，在进行运动意图的检测和识别之前，需要对当前运动任务的注意力集中状态进行识别，即判断是否存在认知分心，根据不同的注意力状态，建立不同的运动意图解析模型。综上所述，寻找一种考虑认知分心的运动起始意图神经解析方法成为研究人员关注的问题。
技术实现思路
为了解决上述技术问题，本专利技术提供一种考虑认知分心的运动起始意图神经解析方法，对脑电信号预处理后，首先完成对注意力状态的检测识别，即判断当前的上肢运动是否受到认知任务的干扰，识别结果输出从而得到两种执行运动任务时的注意力状态，“集中”和“分心”。接下来分别在两种注意力状态下建立各自的运动起始意图解析模型，来分别预测两种注意力状态下是否存在运动意图。通过脑电信号识别运动任务过程中的注意力集中状态，可以获得实时的神经注意力状态反馈，之后根据不同的注意力状态建立符合当前情况的运动起始意图识别模型，这对构建一个可靠的自适应BCI系统十分必要且关键。同时为上肢运动解码的研究提供了新的思路，为人机协同交互的进一步研究提供了基础。为实现上述目的，本专利技术的技术方案为：一种考虑认知分心的运动起始意图神经解析方法，具体包括以下步骤：S1、对运动任务过程中的注意力状态进行识别，判断注意力集中状态中是否存在认知分心；S2、对注意力集中和注意力认知分心状态下的运动起始意图分别进行识别。优选地，所述步骤S1具体为：S11、采集人脑指定电极位置的脑电信号；S12、将所述脑电信号进行预处理；S13、将预处理后的脑电信号进行特征提取，得到脑电信号特征信息；S14、根据所述脑电信号特征信息，对运动任务注意力状态进行识别，判断在运动任务过程中是否存在认知分心。优选地，所述预处理包括滤波、基线修正和共平均参考。优选地，所述特征提取是采用z-score标准化对MRCP时域特征和认知相关的频域特征所包含的脑电信号进行归一化，并进行一维展开，得到特征值；然后采用主成分分析法对所述特征值进行降维，得到所述脑电信号特征信息。优选地，所述步骤S14具体为：将所述脑电信号特征信息输入到线性判别分析和支持向量机中，输出在运动任务过程中是否存在认知分心的注意力集中状态解析模型，通过该模型对运动任务注意力状态进行识别，判断在运动任务过程中是否存在认知分心。优选地，所述步骤S2具体为：S21、采集人脑指定电极位置的脑电信号；S22、将所述脑电信号进行预处理；S23、将预处理后的脑电信号进行特征提取，得到脑电信号特征信息；S24、根据所述脑电信号特征信息，对注意力集中和注意力认知分心状态下的运动起始意图进行识别。优选地，所述特征提取是采用0.01-4Hz的运动皮质电位MRCP时域信号作为建模分类的特征，并采用主成分分析法特征压缩，得到所述脑电信号特征信息。优选地，所述步骤S24具体为：使用线性判别分析LDA分别在两种注意力状态下，即运动任务注意力集中和有认知分心状态，分别建立运动起始意图的识别模型。本专利技术的有益效果在于：本专利技术通过脑电信号识别运动任务过程中的注意力集中状态，可以获得实时的神经注意力状态反馈，之后根据不同的注意力状态建立符合当前情况的运动起始意图识别模型，这对构建一个可靠的自适应BCI系统十分必要且关键。同时为上肢运动解码的研究提供了新的思路，为人机协同交互的进一步研究提供了基础。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术方法流程图；图2为本专利技术实施例两种试验模拟图；图3为本专利技术实施例受试者脑头皮指定电极位置图；图4为本专利技术实施例两种注意力集中状态下的运动相关皮层电位MRCP信号曲线图；图5为本专利技术实施例两种试验的注意力状态识别样本提取图；图6为本专利技术实施例LDA分类器的注意力状态识别结果图；图7为本专利技术实施例两种试验的两种注意力状态的运动起始意图识别样本提取图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。实施例1参照图1所示，本专利技术提供一种考虑认知分心的运动起始意图神经本文档来自技高网...

【技术保护点】
1.一种考虑认知分心的运动起始意图神经解析方法，其特征在于，具体步骤如下：/nS1、对运动任务过程中的注意力状态进行识别，判断注意力集中状态中是否存在认知分心；/nS2、对注意力集中和注意力认知分心状态下的运动起始意图分别进行识别。/n

【技术特征摘要】
1.一种考虑认知分心的运动起始意图神经解析方法，其特征在于，具体步骤如下：
S1、对运动任务过程中的注意力状态进行识别，判断注意力集中状态中是否存在认知分心；
S2、对注意力集中和注意力认知分心状态下的运动起始意图分别进行识别。


2.根据权利要求1所述的考虑认知分心的运动起始意图神经解析方法，其特征在于，所述步骤S1具体为：
S11、采集人脑指定电极位置的脑电信号；
S12、将所述脑电信号进行预处理；
S13、将预处理后的脑电信号进行特征提取，得到脑电信号特征信息；
S14、根据所述脑电信号特征信息，对运动任务注意力状态进行识别，判断在运动任务过程中是否存在认知分心。


3.根据权利要求2所述的考虑认知分心的运动起始意图神经解析方法，其特征在于，所述预处理包括滤波、基线修正和共平均参考。


4.根据权利要求2所述的考虑认知分心的运动起始意图神经解析方法，其特征在于，所述特征提取是采用z-score标准化对MRCP时域特征和认知相关的频域特征所包含的脑电信号进行归一化，并进行一维展开，得到特征值；然后采用主成分分析法对所述特征值进行降维，得到所述脑电信号特征信息。


5.根据权利要求2所述的考虑认知分心...

【专利技术属性】
技术研发人员：毕路拯，夏胜超，费炜杰，王佳蓉，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11