异步上肢运动脑电信号的自适应检测方法技术

本发明专利技术公开了一种异步上肢运动脑电(EEG)信号的自适应检测方法，包括以下步骤：采集异步上肢运动期间的脑电信号；对采集的脑电信号进行放大、滤波、去波动的预处理；提取空闲状态的基线数据并建立基线模型；根据基线模型推导决策阈值，判断信号与运动是否有关，从信号中识别异步上肢运动中屈曲动作和伸展动作；采用受试者曲线分析对检测性能进行评估。能够准确检测EEG信号的屈曲相关峰和伸展相关峰，从而标定运动的开始和结束，区分EEG信号中的空闲状态和运动状态，支撑人脑与外骨骼机器在复杂上肢运动情况下的人机交互。上肢运动情况下的人机交互。上肢运动情况下的人机交互。

【技术实现步骤摘要】
异步上肢运动脑电信号的自适应检测方法


[0001]本专利技术涉及康复机器人的上肢功率辅助设备
，尤其涉及一种异步上肢运动脑电信号的自适应检测方法

技术介绍

[0002]康复机器人的发展作为一种高新技术产业已经成为世界经济新的增长点,相关研究得到世界各国的重视,成为技术竞争的重要领域之一。随着全球老龄化的加剧,为该领域的发展提供了更广阔的市场空间和难得的发展机遇。其中，上肢功率辅助脑机接口(BMI)在改善残疾人和老年人的生活质量方面显示出巨大的潜力。BMI系统的工作模式可分为同步和异步：在同步系统中，活动由特定的线索或触发刺激来控制，比如视觉诱发电位(VEP)、慢皮层电位(SCP)、P300诱发电位和感觉运动节律等；而异步系统也称为自定步调，活动由受试者意愿来决定。上肢动力辅助BMI设备应采用异步控制开发，从而为用户提供在更灵活的环境中决定操作的可能性。
[0003]人的上肢运动相对而言更为复杂，在日常生活中涉及到肩部、肘部、手腕和手指等关节来进行一系列活动。并且，异步上肢运动脑电(EEG)信号与运动认知任务关联性并不明确，其中大部本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异步上肢运动脑电信号的自适应检测方法，其特征在于，包括以下步骤：S01：采集异步上肢运动期间的脑电信号；S02：对采集的脑电信号进行放大、滤波、去波动的预处理；S03：提取空闲状态的基线数据并建立基线模型；S04：根据基线模型推导决策阈值，判断信号与运动是否有关，从信号中识别异步上肢运动中屈曲动作和伸展动作；S05：采用衡量敏感性的TPR、衡量准确性的PPV、综合评价指标TF对检测性能进行评估。2.如权利要求1所述异步上肢运动脑电信号的自适应检测方法，其特征在于，所述步骤S01具体包括：S11：受试者进行上肢运动；受试者进行上肢自定节奏运动，并在举起和放下负荷时通过开关产生运动起始和结束的触发信号；S12：使用活性电极记录EEG信号。3.如权利要求1所述异步上肢运动脑电信号的自适应检测方法，其特征在于，所述采集异步上肢运动，在进行肩部动作和肘部动作的异步上肢运动时，试验分为四个阶段：休息、屈曲、保持和伸展。4.如权利要求1所述异步上肢运动脑电信号的自适应检测方法，其特征在于，所述S02具体包括：S21：对采集到的EEG信号进行信号放大；从测量点采集到的EEG由进行信号放大，通过接口板进行A/D转换，由Linux PC记录下原始数据；S22：原始数据滤波；通过截止频率为0.1Hz的巴特沃斯高通滤波器(HPF)消除基线漂移，再使用截止频率为45Hz的巴特沃斯低通滤波器(LPF)提取出0.1～45Hz的EEG信号；S23：生成平均通道信号，去除全局背景波动；如公式(1)，设置多个通道的权重系数获得平均通道信号：其中，为平均通道信号，为F1、F2、Cp3、C5、C6的平均通道信号，为Cz、Pz的平均通道信号，Cp4为Cp4的通道信号。5.如权利要求1所述异步上肢运动脑电信号的自适应检测方法，其特征在于，所述步骤S03具体包括：S31：将运动相关的EEG认为有用信号，空闲状态的EEG视作背景噪声，在一组实验的相邻单次试验间隙，提取处于空闲状态的...

【专利技术属性】
技术研发人员：高珏，
申请(专利权)人：常熟理工学院，
类型：发明
国别省市：