一种基于双脑耦合特征的脑机接口控制方法及系统技术方案

本发明专利技术公开了一种基于双脑耦合特征的脑机接口控制方法及系统，该方法包括：在至少两个被试协同进行脑机接口的运动控制任务时，将同步采集至少两个被试的导联对脑电数据分为脑电训练数据和脑电测试数据；运动控制任务包括至少一种运动模式；基于脑电训练数据进行双脑耦合特征提取，基于提取的特征进行数据变换得到特征矩阵；将特征矩阵输入分类器模型中进行训练得到分类模型，基于分类模型对脑电测试数据进行运动模式的分类得到模式分类结果，对模式分类结果的运动模式完成度进行判断，根据完成度判断结果得到测试分类准确率；基于测试分类准确率，判断协同脑机接口控制的有效性。本发明专利技术可以促进基于双脑耦合特征的脑机接口控制准确率的提升。控制准确率的提升。控制准确率的提升。

【技术实现步骤摘要】
一种基于双脑耦合特征的脑机接口控制方法及系统


[0001]本专利技术涉及脑机接口控制
，尤其涉及一种基于双脑耦合特征的脑机接口控制方法及系统。

技术介绍

[0002]脑机接口技术通过解码人体的意图实现通过意念控制外部设备，使得任务的完成不再依赖于人身体的四肢，极大的拓展了人的运动控制能力和范围。但是，随着外部设备控制复杂性的提升，单人脑机接口控制技术难以完成复杂任务的执行，因此需要双人或多人的协同配合共同完成复杂任务的控制。因此，双人或多人的协同配合程度直接影响了脑机接口的解码准确率和控制精确性。合作任务中协同配合程度的提升可反映在双方的脑电信号的同步化，该同步化又被称为双脑耦合。2018年Goldstein等人证明了双脑耦合特征与人痛觉感知的敏感性之间具有相关性，2021年Reinero等人证明了大脑间的同步耦合特征可预测团队合作的最终工作绩效，并且合作者们大脑间的同步化会带来更好的任务完成表现。从上述双脑耦合特征与行为学的相关关系研究得出，基于双脑耦合特征构建意图解码模型的方法将进一步提升双人协同配合的意图解码准确率，提高对复杂任务的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双脑耦合特征的脑机接口控制方法，其特征在于，包括以下步骤：在至少两个被试协同进行脑机接口的运动控制任务时，将同步采集至少两个被试的导联对脑电数据分为脑电训练数据和脑电测试数据；其中，所述运动控制任务包括至少一种运动模式；基于所述脑电训练数据进行双脑耦合特征提取，基于提取的特征进行数据变换得到特征矩阵；将所述特征矩阵输入分类器模型中进行训练得到分类模型，基于所述分类模型对所述脑电测试数据进行运动模式的分类得到模式分类结果，对所述模式分类结果的运动模式完成度进行判断，根据完成度判断结果得到测试分类准确率；基于所述测试分类准确率，判断协同脑机接口控制的有效性。2.根据权利要求1所述的方法，其特征在于，所述在至少两个被试协同进行脑机接口的运动控制任务之前，所述方法，还包括：获取预设的运动指令。3.根据权利要求1所述的方法，其特征在于，所述基于脑电训练数据进行双脑耦合特征提取，基于提取的特征进行数据变换得到特征矩阵，包括：基于脑区功能的差异信息获取脑电训练数据所在脑区的权重向量，以及通过Hilbert变换计算得到脑电训练数据的瞬时相位，并根据所述权重向量对所述瞬时相位进行赋权得到赋权瞬时相位；基于所述赋权瞬时相位和预设公式计算脑电训练数据导联对的相关系数，利用Fisher
’
s Z变换将所述相关系数进行标准化操作，得到双脑耦合特征矩阵；根据所述双脑耦合特征矩阵中导联对的相关度值进行数值排序，基于数值排序结果得到所述特征矩阵。4.根据权利要求3所述的方法，其特征在于，所述根据双脑耦合特征矩阵中脑电训练数据导联对的相关度值进行数值排序，基于数值排序结果得到所述特征矩阵，包括：获取双脑耦合特征矩阵中脑电训练数据的多个导联对；将所述多个导联对中相关度值最大的预设数量数值由大到小进行排列，得到第一维特征；将所述第一维特征对应的在所述双脑耦合特征矩阵中的矩阵行列位置编号值作为第二维信息，基于所述第一维特征和所述第二维信息得到特征矩阵。5.根据权利要求3所述的方法，其特征在于，所述基于赋权瞬时相位和预设公式计算脑电训练数据导联对的相关系数的表达式为：其中，为两脑间任意导联对的相关系数，和分别为两...

【专利技术属性】
技术研发人员：季林红，李翀，贾天宇，孙晶尧，
申请(专利权)人：清华大学，
类型：发明
国别省市：