[发明专利]一种基于生理信号的超前检测运动状态变化的方法及系统

说明书

本发明公开了一种基于生理信号的超前检测运动状态变化的方法及系统，其方法包括：S1、采集三种生理信号；所述三种生理信号包括大脑血红蛋白信号、下肢表面肌电信号和下肢步态参数；S2、对采集的三种生理信号进行预处理；S3、对预处理后的三种生理信号计算特征参数；S4、对三种生理信号计算的特征参数进行同步观察，统计三种生理信号检测到的运动状态发生变化的初始时刻的先后顺序。本发明通过多元数据融合分析更有利于提取表征运动意图的关键信息，提高系统的判别性能；同时，确立了信号处理、识别以及控制指令传输允许的时间范围，并能够减少脑机接口系统输出控制指令的时间延迟，而且计算复杂度低。

技术领域

本发明涉及脑机接口实时控制技术领域，特别涉及一种基于生理信号的超前检测运动状态变化的方法及系统。

背景技术

人口老龄化是中国需要重视的一个社会问题，2018年我国老年人口数占总人口的11.19％。有资料显示，脑卒中患者中老年人占比是最高的。同时，老龄化会导致身体各方面素质下降，发生意外事故而导致运功障碍的几率增大。因此，为脑卒中患者和运动功能障碍患者提供智能的康复训练方式，有效恢复他们的运动功能具有重要意义。

先前研究表面在机器人协助下行走时呈现更多的脑区激活，最有利于患者的上下肢运动功能康复。因此，选择机器人协同控制人体运动可以更好地帮助患者自主恢复运动功能。然而，目前大部分研究中，脑机接口系统输出的控制指令存在超前和滞后的问题。在实际应用场景中，我们希望人体真正运动时脑机接口系统给出控制指令调整机构运动，减少系统输出控制指令的时间延迟，实现真正意义上的人机同步控制，使得患者在康复训练过程中获得更佳的使用体验。

研究表明基于electroencephalogram(EEG)技术可以在人体自发运动前1-2秒内检测到运动皮层触发电位，基于多元数据融合的EEG和electromyogram(EMG)技术可以实现超前判别运动意图，这为实现人机同步控制技术奠定了重要的理论基础。但EEG设备在大幅度肢体运动下采集信号存在大量噪声，会对脑电图造成明显干扰；而基于EMG技术的外骨骼设备需要在肌肉活动时才能检测到运动意图，加上信号处理和指令传输时间，进一步延长设备控制的滞后时间。近些年来近红外功能成像技术由于其能够保证信号采集的安全性，对比EEG技术具有较高的信噪比，对体动相对不敏感等优点。因此，functional near-infrared spectroscopy(fNIRS)技术在行走等需要肢体大幅度运动的运动意图判别和助力助行设备控制应用中具有很大的开发空间。

发明内容

本发明要解决的技术问题是提供一种降低计算复杂度、能够减少脑机接口系统输出控制指令的时间延迟的基于生理信号的超前检测运动状态变化的方法。

为了解决上述问题，本发明提供了一种基于生理信号的超前检测运动状态变化的方法，其包括以下步骤：

S1、采集三种生理信号；所述三种生理信号包括大脑血红蛋白信号、下肢表面肌电信号和下肢步态参数；

S2、对采集的三种生理信号进行预处理；

S3、对预处理后的三种生理信号计算特征参数；其中，所述大脑血红蛋白信号的特征参数为TKE能量算子或大脑功能网络拓扑属性，所述下肢表面肌电信号和下肢步态参数的特征参数均为TKE能量算子；

S4、对三种生理信号计算的特征参数进行同步观察，统计三种生理信号检测到的运动状态发生变化的初始时刻的先后顺序。

作为本发明的进一步改进，TKE能量算子的计算公式如下：

其中，x_t表示t时刻的信号值，x_t+1和x_t-1分别表示t+1时刻和t-1时刻的信号值。

作为本发明的进一步改进，大脑功能网络拓扑属性计算如下：