[发明专利]基于多层有序网络的脑控智能康复系统运动意图识别系统

权利要求书

1.一种基于多层有序网络的脑控智能康复系统运动意图识别系统，其特征在于，被试者通过观看手部握拳与伸展动作视频进行运动想象，同时脑电信号采集设备采集被试者的运动想象EEG脑电信号；运动意图识别模块对获得的运动想象EEG脑电信号进行预处理，构建多层有序网络，该多层有序网络能够融合多通道脑电信号，从运动想象EEG脑电信号中提取符号波动的特征，实现握拳运动想象EEG脑电信号与手部伸展运动想象EEG脑电信号的有效分类与辨识，将分类结果传输到脑控智能康复系统，脑控智能康复系统基于运动意图协助被试者进行上肢康复训练；所述的运动意图识别模块具体包括如下步骤：

1)被试者分别观看手部握拳视频与手部伸展视频，同时对视频相应动作进行运动想象，通过脑电信号采集设备采集被试者握拳运动想象EEG脑电信号和手部伸展运动想象EEG脑电信号，统称为运动想象EEG脑电信号，并对运动想象EEG脑电信号进行预处理；

2)对预处理后的运动想象EEG脑电信号的每一电极所对应的通道构建有序网络A^c，得到多层有序网络{A^C3,A^C4,A^F3,A^F4,A^P3,A^P4,A^T7,A^T8,A^Cz}；包括：

(1)对于任一电极采集的运动想象EEG脑电信号首先进行相空间重构，形成L-(d-1)τ个相空间向量：

其中，c表示电极C3、C4、F3、F4、P3、P4、T7、T8、Cz中的一个电极，X_c,i表示c电极采集的信号中第i个采样点，L表示等长的各电极对应的通道的长度，u表示第u个相空间向量，d为嵌入维数，τ为延迟时间，将每一个相空间向量中的元素按照幅值大小进行排序后映射为一个符号，得到小于等于d！种不同的符号，将每一种符号作为节点，如果两个节点对应相空间向量之间具有时间上的连续关系，则定义这两个节点之间具有连边，连边无方向，权重为两种符号之间迁越的次数，从而获得一个单层有序网络；

(2)对9个电极采集的运动想象EEG脑电信号c＝C3,C4,F3,F4,P3,P4,T7,T8,Cz，分别重复第(1)步，获得9个单层有序网络，共同组成多层有序网络{A^C3,A^C4,A^F3,A^F4,A^P3,A^P4,A^T7,A^T8,A^Cz}；

3)通过度互信息方法将得到的多层有序网络{A^C3,A^C4,A^F3,A^F4,A^P3,A^P4,A^T7,A^T8,A^Cz}转化为一个单层脑网络；包括：

将每一电极对应的通道作为节点，计算多层有序网络{A^C3,A^C4,A^F3,A^F4,A^P3,A^P4,A^T7,A^T8,A^Cz}中两两单层有序网络的度互信息，所述单层有序网络R和单层有序网络S的度互信息I_R,S的计算公式如下：

其中，p(k^[R])为节点在单层有序网络R具有度k^[R]的概率，p(k^[S])为节点在单层有序网络S具有度k^[S]的概率，p(k^[R],k^[S])为节点在单层有序网络R具有度k^[R]和在单层有序网络S具有度k^[S]的联合概率；

将所述的两两单层有序网络的度互信息的值作为边的权值，组成单层脑网络；

4)提取单层脑网络的六个网络指标，包括：平均聚集系数、全局聚集系数、平均最短路径长度、谱半径、图能量和平均节点介数；

5)对每个被试者的每一个运动想象EEG脑电信号中的握拳运动想象EEG脑电信号和手部伸展运动想象EEG脑电信号分别构建单层脑网络，对获得的多个运动想象EEG脑电信号的单层脑网络分别提取所述的六个网络指标，将每一个单层脑网络的六个网络指标构建为一个六维特征向量，将握拳运动想象EEG脑电信号的六维特征向量打上标签1，将手部伸展运动想象EEG脑电信号的六维特征向量打上标签2，将所有的六维特征向量输入支持向量机中训练后进行分类；

6)将分类结果传输到脑控智能康复系统对被试者上肢进行刺激；包括：

(1)交替播放手部握拳与伸展动作视频，被试者观看视频并进行相应动作的运动想象，脑电信号采集设备采集被试者运动想象EEG脑电信号；

(2)运动意图识别模块对运动想象EEG脑电信号进行预处理，通过构建多层有序网络提取信号特征并进行信号辨识，得到被试者的运动意图并传输到主控制器；

(3)肌电信号采集和多通道电刺激输出模块中的若干肌电信号采集点采集被试者上肢肌肉的肌电信号，并传输到主控制器；

(4)主控制器根据运动意图识别模块得到的被试者的运动意图，结合上肢肌肉的肌电信号，决策出刺激电流、刺激脉宽、刺激频率和刺激时间，控制肌电信号采集和多通道电刺激输出模块中的若干电刺激点；

(5)根据主控制器指令，若干电刺激点对运动意图所对应的上肢多块肌肉施加电刺激，使被试者按想象意图进行手部握拳或伸展运动。