本发明专利技术属于生物医学工程及计算机领域，涉及一种复合下肢想象动作脑电的能量特征提取方法，包括①脑电信号预处理。②通过经验模态分解方法，将复合下肢想象动作脑电分解为频率从高到低的各个固有振荡模式分量。③通过功率谱密度分析方法分析各固有振荡模式的频谱分布特征，确定反映脑电特征节律的特征振荡模式。④通过对特征振荡模式进行希尔伯特变换，得到反映其能量变化的去同步化特征。⑤模式识别：将特征振荡模式的能量变化去同步化特征作为分类器输入，实现复合下肢想象动作的模式识别。本发明专利技术充分考虑到脑电信号的非平稳性，最高识别率为８７．８％，相对于传统方法的８２．３％有显著提高。
【技术实现步骤摘要】
本专利技术属于生物医学工程及计算机领域，涉及一种。
技术介绍
脑-机接口 (Brain-Computer Interface, BCI)是在人脑和计算机或其他电子设备之间建立一种不依赖于常规大脑输出通路(外周神经和肌肉组织)的直接信息交流和控制通道，是一种全新的人_机交互系统。最早被应用于脑_机接口系统的脑电信号主要是自发脑电信号，比如脑电中的alpha(a)波。但是这类脑电信号模式单一，无法真正做到意识控制行动，严重制约了脑-机接口系统的发展。近年来，各国学者对不同思维意识下脑电信号的研究逐步开展起来，这为脑-机接口的发展带来了新的曙光。 已有研究表明人在想象某个肢体动作时，与该动作相关的大脑运动皮层区域会发生与该动作实施时相似的电生理响应，如诱发电位(evoked potential, EP)或事件相关电位(event related potential, ERP)，特称之为想象动作电位(motor imaginarypotentials)。临床上已通过功會g性石兹共振成像(functional magnetic resonance image,预RI)观察脑局部血液图的方法确认想象和实施动作时所激发的大脑运动皮层区域相同。 最先发现想象动作电位的Jasper等人在研究脑电(Electroencephalograph,EEG)信号的过程中，注意到肢体运动准备或规划时能够引起皮层运动中枢大量神经细胞的活动状态变化，导致EEG中某些频率成分的同步增强或者同步减弱，即所谓事件相关同步(event-related synchronization, ERS)和事件相关去同步(event-relateddesynchronization， ERD)现象。Pfurtscheller禾口 Aranibar通过实验证实了上述现象，指出ERD/ERS现象主要集中在EEG中alpha节律和beta节律段，并且提出了针对ERS/ERD现象的量化理论。近些年来，各国学者对各种想象动作电位进行了大量的思维模式(多围绕ERD/ERS现象)提取的研究，其中以舌部想象动作和左右手想象动作电位的模式提取最为常见。特别需要指出的是，先期开展这方面工作的奥地利Graz大学，已经成功地将提取到的左右手想象动作模式作为控制命令，操纵脑-机接口系统并试用于肢瘫患者的上肢康复训练中，取得了令人振奋的阶段性成果。 但到目前为止，下肢想象动作电位的模式提取进展缓慢，判断准确度难以提高。其主要原因是下肢运动所映射的脑皮层功能区为头顶部沟回内较狭小的区域，其空间结构的区分度已是十分有限，加之头皮电极提取的脑电信号存在极大弥散性和混叠性，非常不利于源信号获取和识别。这个关键因素导致了应用于上肢想象动作脑电的特征提取算法在下肢想象动作脑电的特征提取方面适用性有限。而在现实生活中，下肢想象动作脑电特征的有效提取，是实现真正完全由四肢瘫痪病人或截瘫患者的意志控制的下肢康复助行系统的核心技术通过提取患者想象下肢动作的脑电信号，转换为相应的下肢康复助行系统的外部控制命令，以此帮助患者行走和肌肉剌激恢复。这种完全靠患者自主意志控制的系3统，不仅可以实现这部分残疾病人正常生活的回归，而且可以提升患者的自信心，因此具有广泛的应用前景和重要的社会意义。由于脑-机接口实现康复助行系统的急迫需求以及单纯下肢想象动作脑电模式的困境，希望通过复合下肢想象动作脑电实现脑-机接口系统的研究脱颖而出，逐步成为脑-机接口实现康复助行系统的研究重点之一。经过近几年的发展，该研究方向已被认为是脑_机接口进一步发展的必由之路，相应地，复合下肢想象动作脑电的能量特征提取也成为实现下肢康复助行系统任务中极其关键的研究内容之一。
技术实现思路
本专利技术的主旨是提出一种，以此解决基于脑-机接口的下肢康复助行系统中的基本问题实现截瘫患者自主控制下肢动作实现正常行走的关键动作，左右迈步动作的自主控制。本专利技术解决了复合下肢想象动作脑电的能量特征准确提取问题，从而为正确识别复合下肢动作模式，有效转换为应用于下肢康复助行系统的控制命令，实现截瘫患者的自主行走提供了有力支持。为此，本专利技术采用如下的技术方案 —种，包括下列步骤 ①利用脑电导联电极采集复合下肢想象动作脑电信号； ②对所采集到的位于初级运动区及辅助功能区的脑电信号进行空间滤波，提高提高脑电信号的信噪比； ③针对经过步骤②处理后的脑电信号，进行经验模态分解，将复合下肢想象动作脑电信号分解为频率从高到低的各个固有振荡模式分量。 ④对步骤③获得的各导联脑电的固有振荡模式分量计算功率谱密度，根据其功率谱密度的频率分布范围，确定脑电特征节律-alhpa节律对应的固有振荡模式分量，即本专利技术所要获取的特征振荡模式。 ⑤定义特征振荡模式的事件相关去同步化系数，;=(，1 二(，2) x 100(%)，射REP力始TM云層綠形台M ^附司ft 8勺脑电信号平均幅度，REF为复合下肢动作想象开始前t2时间内的脑电信号平均幅度，对脑电信号特征振荡模式计算事件相关去同步化系数； ⑥选择基于径向基核函数的支持向量基分类器，将步骤⑤获得的各个脑电导联事件相关去同步化系数作为分类器输入样本，对脑电信号进行模式识别。 作为优选实施方式，所述的，步骤②处理的脑电信号包括F3P、 FzP、 F4P、 C5A、 C3A、 C1A、 C2A、 C4A、 C6A、 C5、 C3、 Cl、 Cz、 C2、 C4、C6、 C5P、 C3P、 C1P、 C2P、 C4P、 C6P、 P3A、 PzA、 P4A导联信号；步骤⑤对初级运动区及辅助功能区的脑电信号特征振荡模式计算事件相关去同步化系数，按照导联位置顺序构成事件相关去同步化系数向量f = [AF3p， zp，…，、44]，这里AF3p， AFzp，…，Ap4A依次为导联F3P、FzP、 F4P、 C5A、 C3A、 C1A、 C2A、 C4A、 C6A、 C5、 C3、 Cl、 Cz、 C2、 C4、 C6、 C5P、 C3P、 C1P、 C2P、 C4P、C6P、 P3A、 PzA、 P4A位置的事件相关去同步化系数；取^为动作想象期的4_7秒，t2为动作想象前的0-2秒；将步骤⑤获得的事件相关去同步化系数向量f = [AF3P， AFzP，…，AP4A]作为分类器输入样本，分类器公式为y = sgn (W f+b) ， W是权函数，b是阈值，通过训练样本得到，y是两分类的结果标记(±1) ， +1表示识别出左手左腿同时动作想象，-1表示识别 出右手右腿同时动作想象。 本专利技术通过经验模态分解方法结合功率谱密度分析及希尔伯特变换方法获取 alpha节律能量变化特征，该方法的最高识别率为87. 8%，相对于传统方法的82. 3%有 显著提高，其优势在于充分考虑到脑电信号的非平稳性，并且基于动作想象脑电的事件相 关同步/去同步特征是由群体神经元同步振荡产生的结论，因此在基于复合肢体动作的 脑_机接口系统中将具有更为广阔的应用前景，这将为基于脑_机接口的下肢康复助行系 统的发展提供有力支持。 本专利技术致力于解决基于脑-机接口的下肢康复助行系统中的关键问题，即复合下 肢想象动作脑电的能量变化特征提取问题。下肢想象动作脑电的能量特征的有效提本文档来自技高网...
【技术保护点】
一种复合下肢想象动作脑电的能量特征提取方法，包括下列步骤：①利用脑电导联电极采集复合下肢想象动作脑电信号；②对所采集到的位于初级运动区及辅助功能区的脑电信号进行空间滤波，提高提高脑电信号的信噪比；③针对经过步骤②处理后的脑电信号，进行经验模态分解，将复合下肢想象动作脑电信号分解为频率从高到低的各个固有振荡模式分量。④对步骤③获得的各导联脑电的固有振荡模式分量计算功率谱密度，根据其功率谱密度的频率分布范围，确定脑电特征节律－ａｌｈｐａ节律对应的固有振荡模式分量，即本专利技术所要获取的特征振荡模式。⑤定义特征振荡模式的事件相关去同步化系数，λ↓［ＥＲＤ］＝［（ＲＥＰ↓［ｔ１］）↑［２］－（ＲＥＦ↓［ｔ２］）↑［２］］／（ＲＥＦ↓［ｔ２］）↑［２］×１００（％），其中ＲＥＰ为复合下肢动作想象开始后ｔ↓［１］时间内的脑电信号平均幅度，ＲＥＦ为复合下肢动作想象开始前ｔ↓［２］时间内的脑电信号平均幅度，对脑电信号特征振荡模式计算事件相关去同步化系数；⑥选择基于径向基核函数的支持向量基分类器，将步骤⑤获得的各个脑电导联事件相关去同步化系数作为分类器输入样本，对脑电信号进行模式识别。
【技术特征摘要】
一种复合下肢想象动作脑电的能量特征提取方法，包括下列步骤①利用脑电导联电极采集复合下肢想象动作脑电信号；②对所采集到的位于初级运动区及辅助功能区的脑电信号进行空间滤波，提高提高脑电信号的信噪比；③针对经过步骤②处理后的脑电信号，进行经验模态分解，将复合下肢想象动作脑电信号分解为频率从高到低的各个固有振荡模式分量。④对步骤③获得的各导联脑电的固有振荡模式分量计算功率谱密度，根据其功率谱密度的频率分布范围，确定脑电特征节律-alhpa节律对应的固有振荡模式分量，即本发明所要获取的特征振荡模式。⑤定义特征振荡模式的事件相关去同步化系数， <mrow><msub> <mi>λ</mi> <mi>ERD</mi></msub><mo>=</mo><mfrac> <mrow><msup> <mrow><mo>(</mo><mi>RE</mi><msub> <mi>P</mi> <mrow><mi>t</mi><mn>1</mn> </mrow></msub><mo>)</mo> </mrow> <mn>2</mn></msup><mo>-</mo><msup> <mrow><mo>(</mo><mi>RE</mi><msub> <mi>F</mi> <mrow><mi>t</mi><mn>2</mn> </mrow></msub><mo>)</mo> </mrow> <mn>2</mn></msup> </mrow> <msup><mrow> <mo>(</mo> <mi>RE</mi> <msub><mi>F</mi><mrow> <mi>t</mi> <mn>2</mn...
【专利技术属性】
技术研发人员：周仲兴，万柏坤，明东，程龙龙，
申请(专利权)人：天津大学，
类型：发明
国别省市：12[中国|天津]
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。