一种基于脑电肌电多模态融合的运动想象手势识别方法技术

本发明专利技术公开了一种基于脑电肌电多模态融合的运动想象手势识别方法；其使用FBCSP对脑电提取特征，首先使用滤波器组对滤波后的脑电信号进行分解，提取出不同频带上的信号特征，对于每个频带，采用共空间模式分析方法，通过寻找一对投影矩阵将信号从原始空间投影到一个新的空间，使得在新空间中不同类别的脑电信号方差最大化或最小化。提取前臂肌的前群和后群两个通道的肌电信号，对信号预处理之后分别提取两个通道的均值，极差以及两个通道的均值比，最后将脑电特征和肌电特征拼接融合使用SVR算法训练出模型部署在服务器上。本发明专利技术充分利用多生物电信号肌电和脑电的之间信息的互补，显著提高了运动想象识别的分类效果。

【技术实现步骤摘要】

本专利技术属于脑机识别领域，涉及一种基于脑电肌电多模态融合的运动想象手势识别方法。

技术介绍

1、脑机接口(brain-machine interface，简称bmi)技术是一项激动人心的领域，它将神经科学、工程学和计算机科学融合在一起，旨在建立人类大脑与外部设备之间的直接通信渠道。脑机接口的发展医疗康复领域中具有巨大潜力。本文将关注脑机康复领域中的一项重要研究方向，即脑电与表面肌电多模态融合的运动想象分类算法。

2、卒中(stroke)是一种常见而严重的神经系统疾病，通常由脑部的血流中断引起，导致脑细胞受损或死亡。卒中可导致肌肉功能丧失或运动意图受损的情况。考虑到非侵入式脑电信号容易受到头皮、头发和组织的干扰，在精确度和信息量方面存在限制，而无法深入记录更深层次的神经活动。因此，传统的脑机上肢康复系统往往只针对左右手进行二分类，对卒中恢复有一定效果，但想要恢复促进神经系统的进一步恢复，需要更加精细的运动想象，例如同一只手的不同的手势动作。

3、对于无任何神经肌肉系统疾病的健康人，在其靠近腕关节的拇伸肌和食指固有伸肌位置和前臂背部靠本文档来自技高网...

【技术保护点】

1.一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：对于任意一个频带k，提取CSP特征的具体过程如下：

3.根据权利要求1所述的一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：步骤3中，脑电特征的采集如下：针对每个动作j，分别建立对应的二分类模型；每个二分类模型均包含一个用于特征提取的空间滤波器每个运动想象类型对应的空间滤波器均对经过预处理的脑电数据进行特征提取，得到脑电特征；将各个运动想象类型对应的脑电特征分别与肌电特征拼接，每个运动...

【技术特征摘要】

1.一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：对于任意一个频带k，提取csp特征的具体过程如下：

3.根据权利要求1所述的一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：步骤3中，脑电特征的采集如下：针对每个动作j，分别建立对应的二分类模型；每个二分类模型均包含一个用于特征提取的空间滤波器每个运动想象类型对应的空间滤波器均对经过预处理的脑电数据进行特征提取，得到脑电特征；将各个运动想象类型对应的脑电特征分别与肌电特征拼接，每个运动想象类型均得到对应的训练集。

4.根据权利要求3所述的一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：步骤4所述的分类模型采用svr模型；运动想象类型的数量为s；s≥3；每种运动想象类型均对应有一个svr模型；每个svr模型均使用其运动想象类型对应的训练集进行训练。

5.根据权利要求3所述的一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：构建空间滤波器并对脑电数据进行特征提取的过程如下：

6.根据权利要求1所述的一种基于脑电肌电多模态融合的运动想象手势识别方法，其特征在于：所述的运动想象类型共有三种，分别为休息、抓握运动和伸展运动；肌电数据共采集两个通道，分别对应前臂肌的前群和后群。

7.根据权利要求1所述的一种基于脑...

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