一种基于模板匹配的自适应运动想象脑机接口方法与系统技术方案

本发明专利技术公开一种基于模板匹配的自适应运动想象脑机接口方法与系统，包括以下步骤：先基于运动想象的脑电信号预处理与特征提取及优化，再基于自适应规则的模板匹配分类模型设计；本发明专利技术在采集到脑电信号后，先对脑电信号进行预处理，再对脑电信号进行特征提取和优化，接下来利用训练数据，以及外界辅助信息，并融合自适应规则，获得不同运动想象信号的模板信息，进而建立基于模板匹配的脑电信号分类模型，识别运动想象意图，通过基于模板匹配的自适应规则建立运动想象脑电信号识别模型，从而使得运动想象脑机接口在长期使用中都能稳定识别运动想象意图，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。提供了基础。提供了基础。

【技术实现步骤摘要】
一种基于模板匹配的自适应运动想象脑机接口方法与系统


[0001]本专利技术涉及神经科学
，尤其涉及一种基于模板匹配的自适应运动想象脑机接口方法与系统。

技术介绍

[0002]运动意图解析是人机协同领域的一个重要研究内容，其中基于运动想象的脑机接口技术相较于其他方法，不需要外界的干扰刺激，能够更加自然的实现对人的运动意图解析，由于运动想象信号不依赖于实际的运动产生，基于运动想象的脑机接口技术能够更好的辅助无法运动的残障人士，同时由于大脑是人体的高级神经中枢，也是人体产生运动意图的起点，基于脑电皮层信号(EEG信号)解析人的运动意图具有速度快、可靠性高的优点，同时，通过EEG信号解析运动方向意图，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。
[0003]目前，有很多基于EEG信号的运动想象解码的研究，2015年，Edelman和Baxter基于运动想象的BCI技术实现了对真实和虚拟设备的三维控制，2017年，Irimia和Cho研发了一套结合运动想象BCI技术、功能性电刺激和视觉反馈技术的感觉运动闭环治疗系统，用于中风后的康复训练，2019年，Korik等人通过解码运动想象EEG信号来在线控制两个3D虚拟手臂在空间中朝目标移动，取得了不错的分类效果。
[0004]然而在目前的运动意图解码的研究中，由于脑电信号的非稳态特性，基于运动想象的脑机接口在长期使用中，性能会产生明显的下降，在实际的人机交互系统中，使用者需要长期使用脑机接口系统，而在每次使用前对脑机接口系统进行训练会极大的增加设备的使用成本，所以，需要寻找一种能够自主适应人体脑电信号变化，维持脑机接口性能稳定的方法，因此，本专利技术提出一种基于模板匹配的自适应运动想象脑机接口方法与系统以解决现有技术中存在的问题。

技术实现思路

[0005]针对上述问题，本专利技术的目的在于提出一种基于模板匹配的自适应运动想象脑机接口方法与系统，该方法在采集到脑电信号后，先对脑电信号进行预处理，再对脑电信号进行特征提取和优化，接下来利用训练数据，以及外界辅助信息，并融合自适应规则，获得不同运动想象信号的模板信息，进而建立基于模板匹配的脑电信号分类模型，识别运动想象意图，通过基于模板匹配的自适应规则建立运动想象脑电信号识别模型，从而使得运动想象脑机接口在长期使用中都能稳定识别运动想象意图。
[0006]为了实现本专利技术的目的，本专利技术通过以下技术方案实现：一种基于模板匹配的自适应运动想象脑机接口方法与系统，包括以下步骤：
[0007]步骤一：基于运动想象的脑电信号预处理与特征提取及优化
[0008]先采集人脑指定电极位置的脑电信号，再将采集的脑电信号进行预处理，接着从预处理后的脑电信号中提取脑电信号特征信息，然后将提取的脑电信号特征信息进行优
化；
[0009]步骤二：基于自适应规则的模板匹配分类模型设计
[0010]先获取外界辅助信息和识别模型识别结果，再根据优化后的脑电信号特征信息及外界辅助信息，自适应更新运动想象信号模板信息，然后根据模板信息建立基于模板匹配的运动想象信号分类模型。
[0011]进一步改进在于：所述步骤一中，所述预处理包括共空间模式滤波、基线修正、共平均参考和独立成分分析。
[0012]进一步改进在于：所述步骤一中，所述特征提取方法包括傅里叶变换和功率谱分析。
[0013]进一步改进在于：所述步骤一中，所述特征优化方法包括主成分分析和浮动前向搜索算法。
[0014]进一步改进在于：所述步骤二中，所述外界辅助信息包括环境反馈信息和任务完成信息。
[0015]进一步改进在于：所述步骤二中，所述分类模型建立方法采用模板匹配方法。
[0016]一种基于模板匹配的自适应运动想象脑机接口系统，包括：
[0017]提取模块，用于从运动想象任务过程中的神经信号中提取脑电信号特征信息；
[0018]解码模块，用于利用提取的脑电信号特征信息对运动想象类别进行识别；
[0019]自适应模块，用于实时更新识别模块中的模板信息，维持系统性能鲁棒。
[0020]进一步改进在于：所述提取模块包括采集单元、预处理单元和提取单元，所述采集单元用于采集人脑指定电极位置的脑电信号，所述预处理单元用于将采集的脑电信号进行预处理，所述提取单元用于从脑电信号中提取脑电信号特征信息。
[0021]进一步改进在于：所述解码模块包括构建模块和识别模块，所述构建模块用于利用提取的脑电信号特征信息建立运动想象脑电信号识别模型，所述识别模块用于根据运动想象脑电信号信号识别模型识别上肢运动方向。
[0022]进一步改进在于：所述自适应模块包括标定模块和自适应规则，所述标定模块用于根据外界辅助信息和识别模型识别结果，对脑电信号特征信息进行标定，所述自适应规则用于根据标定的脑电信号特征信息对运动想象脑电信号信号识别模型参数进行实时更新。
[0023]本专利技术的有益效果为：本专利技术在采集到脑电信号后，先对脑电信号进行预处理，再对脑电信号进行特征提取和优化，接下来利用训练数据，以及外界辅助信息，并融合自适应规则，获得不同运动想象信号的模板信息，进而建立基于模板匹配的脑电信号分类模型，识别运动想象意图，通过基于模板匹配的自适应规则建立运动想象脑电信号识别模型，从而使得运动想象脑机接口在长期使用中都能稳定识别运动想象意图，这对构建一个可靠的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
[0024]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，下面将对实施例或现有技术描述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。
[0025]图1是本专利技术基于模板匹配的自适应运动想象脑机接口方法流程图；
[0026]图2是本专利技术基于模板匹配的自适应运动想象脑机接口系统结构图；
[0027]图3是本专利技术实施例中的试验范式流程图；
[0028]图4是本专利技术实施例中受试者脑头皮指定电极位置图；
[0029]图5是本专利技术实施例中试验的性能示意图。
具体实施方式
[0030]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作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。
[0031]在本专利技术的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模板匹配的自适应运动想象脑机接口方法，其特征在于：包括以下步骤：步骤一：基于运动想象的脑电信号预处理与特征提取及优化先采集人脑指定电极位置的脑电信号，再将采集的脑电信号进行预处理，接着从预处理后的脑电信号中提取脑电信号特征信息，然后将提取的脑电信号特征信息进行优化；步骤二：基于自适应规则的模板匹配分类模型设计先获取外界辅助信息和识别模型识别结果，再根据优化后的脑电信号特征信息及外界辅助信息，自适应更新运动想象信号模板信息，然后根据模板信息建立基于模板匹配的运动想象信号分类模型。2.根据权利要求1所述的一种基于模板匹配的自适应运动想象脑机接口方法，其特征在于：所述步骤一中，所述预处理包括共空间模式滤波、基线修正、共平均参考和独立成分分析。3.根据权利要求1所述的一种基于模板匹配的自适应运动想象脑机接口方法，其特征在于：所述步骤一中，所述特征提取方法包括傅里叶变换和功率谱分析。4.根据权利要求1所述的一种基于模板匹配的自适应运动想象脑机接口方法，其特征在于：所述步骤一中，所述特征优化方法包括主成分分析和浮动前向搜索算法。5.根据权利要求1所述的一种基于模板匹配的自适应运动想象脑机接口方法，其特征在于：所述步骤二中，所述外界辅助信息包括环境反馈信息和任务完成信息。6.根据权利要求1所述的一种基于模板匹配的自适应运动想象脑机接口方法，其特征...

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