[发明专利]基于脑机接口的用户特征模型建立方法、系统及存储介质

说明书

本发明公开了基于脑机接口的用户特征模型建立方法、系统及存储介质，所述方法包括：对运动想象脑电信号进行采集，对采集的运动想象脑电信号进行预处理；对经过预处理的运动想象脑电信号进行傅里叶变换得到频谱，同时对预处理的运动想象脑电信号进行希尔伯特黄变换得到瞬时振幅和瞬时相位，对频谱、瞬时振幅和瞬时相位进行特征提取；利用遗传算法对提取的特征进行特征筛选，利用筛选的特征对分类器进行训练；将训练好的分类器作为用户特征模型输出。从而提高模型的准确率和稳定性；不同用户脑电信号差异性较大，针对特定的用户，确定脑电信号最优特征的模型。

技术领域

本发明涉及脑机接口技术领域，特别是涉及基于脑机接口的用户特征模型建立方法、系统及存储介质。

背景技术

脑－机接口(brain-computer interface，BCI)是在人脑与外部设备之间建立的直接交流通道.通过这种通道，人能直接通过大脑向外部设备发出命令，而不需语言或动作的支持，可以有效增强用户与外界交流或控制外部环境的能力，从而提高患者的生活质量.鉴于其巨大的应用前景，脑机接口已经引起国际科学界的高度重视，成为了脑科学、康复工程、生物医学工程及人机控制领域的一个研究热点。

在所有能够被监测到的反映大脑活动的信号中，由于脑电信号(Electroencephalogram，EEG)具有较好的时间分辨率，监测仪器较简单，非入侵等优点，被大部分脑机接口系统所采纳。识别大脑不同命令对应的EEG，从而控制机器实现命令。但是，EEG信号具有非线性非平稳、空间分辨率低(厘米级)、信噪比低和易受强伪迹的干扰(如工频干扰、眼球运动引起的眼电、肌肉运动引起的肌电等)的特点，这给不同脑电模式的提取和识别提出了巨大的挑战.

目前的脑电特征模型对所有用户都是固定的，即特征数量、种类及通道选择，一旦系统选定，则所有用户都使用这一个特征模型。由于脑电信号的复杂性，有研究表明，不同用户对脑电信号的特征差异性很大，固定特征提取模型无法体现用户个体的差异性，因此降低了脑机接口系统的分类精度和准确性。

发明内容

为了解决现有技术的不足，本发明提供了基于脑机接口的用户特征模型建立方法、系统及存储介质，为用户建立脑电信号特征模型，综合考虑不同特征，从而提高模型的准确率和稳定性；不同用户脑电信号差异性较大，针对特定的用户，确定脑电信号最优特征的模型；

第一方面，本发明提供了基于脑机接口的用户特征模型建立方法；

基于脑机接口的用户特征模型建立方法，包括：

对运动想象脑电信号进行采集，对采集的运动想象脑电信号进行预处理；

对经过预处理的运动想象脑电信号进行傅里叶变换得到频谱，同时对预处理的运动想象脑电信号进行希尔伯特黄变换得到瞬时振幅和瞬时相位，对频谱、瞬时振幅和瞬时相位进行特征提取；

利用遗传算法对提取的特征进行特征筛选，利用筛选的特征对分类器进行训练；

将训练好的分类器作为用户特征模型输出。

进一步的，所述基于脑机接口的用户特征模型建立方法，还包括：

应用用户特征模型时，对待分类运动想象脑电信号同样进行预处理、变换、特征提取和特征筛选后，利用筛选的特征输入到用户特征模型中，得到分类结果。

进一步的，所述对运动想象脑电信号进行采集，包括：

利用脑机接口，采集用户在设定运动想象种类和设定时间条件下的脑电信号；将采集的运动想象脑电信号与对应的运动想象种类标签存储。

所述运动想象种类，包括：想象左手运动、想象右手运动、想象左脚运动、想象右脚运动或想象头部转动等等。

进一步的，所述对采集的运动想象脑电信号进行预处理，包括：