[发明专利]一种可自适应学习的脑波控制外围设备方法

摘要

本发明公开了一种可自适应学习的脑波控制外围设备方法，通过脑波装置采集脑波信号，对采集到的多导脑波数据进行独立分量分析，去除脑波信号中的眼电、肌电及工频等额外干扰，再经过快速傅里叶变换后计算出脑波中多种功率谱密度，通过多种功率谱密度计算大脑活跃度，将当前大脑活跃度与已学习的特定状态的大脑活跃度范围进行比较，满足条件即可产生外围设备控制信号，并对此状态进行自适应学习校正。本发明可有效去除脑波干扰信号，精确提取脑波信号多种功率谱密度，通过自适应学习特定状态下脑波信号的活跃程度，实现对大脑处于特定状态监控以及外围设备的控制。

主权项

一种可自适应学习的脑波控制外围设备方法，其特征在于包括以下步骤：步骤1：利用脑波装置采集人的脑波信号；步骤2：对采集到的脑波信号进行数据预处理，去除明显的漂移数据，得到观测信号设为x，进行独立分量分析，去除和脑电信号无关的杂波；步骤3：对脑波信号进行傅里叶变换；步骤4：计算脑波中多种功率谱密度；步骤5：计算大脑活跃度；步骤6：如果是进行特定状态大脑活跃度学习，则设置对于特定状态下采集脑波次数i次，保存特定状态活跃度最大值,Hmax与最小值Hmin区间[Hmin,Hmax]；如果是特定状态大脑活跃度监测，则设置对于特定状态下采集脑波次数i次，计算活跃度是否在区间[Hmin,Hmax]:如果活跃度在区间[Hmin,Hmax]，则触发外围设备控制信号，为了提高对特定状态区间监测的准确性，对此状态下的活跃度进行自适应学习，持续时间0.2s；如果活跃度范围上限Hup和下限Hdown超出所述特定状态活跃度[Hmin,Hmax]区间，为了确保自适应学习不失真，对于活跃度范围上限Hup和下限Hdown进行以下限定：如果Hup‑Hmax<2％*(Hmax‑Hmin)/2，则Hmax＝Hup如果Hmin‑Hdown<2％*(Hmax‑Hmin)/2,则Hmin＝Hdown如果满足以上条件则自适应调整已存储的活跃度区间，否则保持原来活跃度区间不变；所述步骤2的具体过程如下：将所述观测信号x经线性变换为矩阵:x～＝Mx，使得E[x～x～′]＝I,变换后有:x～＝Mx＝MAS＝BS其中，M是白化矩阵，B＝MA是一个正交矩阵，用以求解正交解混合矩阵wΛ，使输出y的每个分量都是相互独立的,所述输出y：y＝(wΛ)TMx～＝(wΛ)TMAS零均值的随机变量V的峭度为：kurt(t)＝E[V4]‑3(E[V2])2通过最大化峭度,将源信号逐个分离出来，其递推公式如下:w(k)＝E[x(w(k‑1)T)3]‑3w(k‑1)其中，w＝wi(为w的一行)，且||w||＝1；k表示第k个源信号。