[发明专利]基于脑电信号的伤残手软体康复机器人运动想象识别方法

权利要求书

1.一种基于脑电信号的伤残手软体康复机器人运动想象识别方法，其特征在于，该方法包含下列步骤：

⑴本发明针对恢复期前期，根据手抓握、伸展视频引导被试者进行左右手运动想象相应的手部运动，同时脑电信号采集设备实时获取左右手运动想象产生的脑电信号；

⑵对采集到的脑电信号X_N×M(t)采用离散小波变换将不同通道连续的脑电信号分解成δ、θ、α、β和γ波段，记为D_5N×M(t)＝[d_1δ,d_1θ,d_1α,d_1β,d_1γ,....d_ij,...,d_Nδ,d_Nθ,d_Nα,d_Nβ,d_Nγ]^T，其中d_ij表示第i个通道脑电信号的j波段，i＝1,2,...,N，j＝{δ,θ,α,β,γ}；然后采用独立成分分析和样本熵去除在采集脑电信号过程中因眨眼产生的眼电信号干扰，也即眼电伪迹，得到不含眼电伪迹的脑电信号T_N×M；其中，样本熵是用来度量信号或系统的稳定程度，若处理后的信号越不稳定，则熵值越大；反之处理后的信号越稳定，熵值越小；

⑶将T_N×M作为融合通道注意力模块的卷积神经网络模型的输入样本，经过通道注意力模块增强对运动意图识别有用的脑电信号特征，弱化无用特征，得到对输入数据按通道程度加权后的输出数据卷积层利用n个卷积核学习/的特征，得到n个特征映射Mapi，i＝1,2,...,n；池化层采用平均池化对卷积层的每个Map进行降采样；全连接层采用一个1×1的映射矩阵w将池化层的n个Map进行全连接，生成n×(N-2)×(M-2)/4个神经元；输出层输出脑电信号的类别，并通过反向传播算法将误差反向传播，从而对卷积神经网络的参数进行更新；

⑷用最小二乘支持向量机替换原始卷积神经网络中的输出层，并以全连接层得到的特征作为最小二乘支持向量机的输入，分类提取出运动意图所需的信号；

⑸针对恢复期前期的伤残手患者，将增强现实技术应用到患者手部康复训练系统中，开发“摘苹果”康复训练环境；训练开始后，患者通过想象手的抓握与伸展动作触发脑电信号，同时采集患者脑电信号进行预处理及特征提取，最终获得其运动意图，进而实现摘苹果的动作；在此训练环境中，设置两个训练模式：计时模式，计算机统计患者摘光树上的苹果需要花费的时间；限时模式，计算机统计在规定时间内患者摘到的苹果数；当患者成功摘到苹果时，计算机会给出“摘到i个苹果”，i＝1,2,..N，的听觉反馈以及触觉反馈。

2.如权利要求1所述的基于脑电信号的伤残手软体康复机器人运动想象识别方法，其特征在于，所述步骤(1)中，其中脑电信号的采集包括以下步骤：

步骤(1.1)：当t＝0s时，被试者准备开始实验，并调整身体使其进入放松状态；

步骤(1.2)：当t＝2s时，计算机发出开始提示音后，被试者根据视频引导执行相应的实验任务；

步骤(1.3)：当t＝6s时，计算机发出停止提示音后，被试者停止执行实验任务，稍作休息后继续下次实验。