[发明专利]基于眼电、脑电的运动想象训练人机交互系统设计方法

摘要

本发明公开了一种基于眼电、脑电的运动想象训练人机交互系统设计方法，本发明提供一种面向运动功能障碍患者，能及时有效地对其大脑运动想象状态进行识别并反馈的方法。该方法是大脑在进行上肢运动想象过程中，利用信号采集设备获取人体完成特定上肢动作时，其脑电信号和眼电信号变化的数据，并存入个体化数据库作为信息源，再分别对脑电信号和眼电信号进行特征提取，利用基于信息融合方案的准则将两类特征融合作为新的运动想象特征，并对新的运动想象特征进行识别，进而对人完成指定动作时的运动想象状态进行识别。

主权项

1.基于眼电、脑电的运动想象训练人机交互系统设计方法，其特征在于，该方法具体包括以下步骤：步骤1.对预处理后的运动想象脑电信号进行特征提取；设预处理后的EEG离散信号为f(t)，则f(t)的离散小波变换和逆变换定义为：式中，为小波序列，是小波基函数；j,k分别代表频率分辨率和时间平移量；f_j(t)表示信号f(t)在某一尺度2^j的分量；对信号f(t)可以利用Mallat算法进行有限层分解，得到：式中，L分为分解层数，A_L为低通逼近分量，D_j为不同尺度下的细节分量，信号的整个频带划分为一个个子频带，设信号f(t)的采样频率为f_s，则A_L,D_L,D_L‑1...,D₁各分量所对应的子频带依次为：对应的逼近系数及各层小波系数记作cA_L,cD_L,cD_L‑1,...,cD₁；将要分析的EEG信号，由想象左手运动和想象右手运动产生，本文中的信号来源是将脑电拾电传感器中的头皮拾电电极放置到国际脑电图学会标准10‑20导联系统所确定的，头顶部与大脑感觉运动区对应的位置为C₃、C_Z以及C₄位置，只取脑电采集仪器C₃导联和C₄导联的脑电信号，分别对不同思维任务的EEG样本数据进行6层分解，f(t)＝A₆+D₆+D₅+D₄+D₃+D₂+D₁；设C₃导信号逼近系数为c₃A₆，C₄导信号逼近系数为c₄A₆，取两者差值C＝c₃A₆‑c₄A₆；计算EEG信号小波分解后各层小波能量，如求cA_L的小波能量其中j＝3,4，为cA_L中的第i个元素，再计算C₃，C₄各层小波能量的差值最后计算小波能量差值E的各层相对小波能量最后将逼近系数差值和相对小波能量组合成为EEG信号的特征向量T_EEG＝[C,e]，其中步骤2.提取预处理后的眼电信号特征；采用夹角余弦法提取EOG信号的特征；夹角余弦法计算实验采集到的EOG信号与训练样本间的夹角来衡量待测EOG信号与样本之间的相似度；设预处理后的EOG信号为g(t)＝[g(1),g(2),...,g(n)]，n为样本点数，选取EOG信号训练样本gl(t)＝[gl(1),gl(2),...,gl(n)]和gr(t)＝[gr(1),gr(2),...,gr(n)]，作为向左看与向右看的训练样本；计算待测信号与向左看EOG信号夹角余弦公式为：计算待测信号与向右看EOG信号夹角余弦公式为：式中cosθl，cosθr分别代表待测信号与向左看EOG信号，向右看EOG信号之间的夹角；显然cosθl,cosθr∈[‑1,1]，夹角余弦值接近1，说明待测信号与训练样本之间的相似度越高；越接近‑1，说明样本与待测样本之间呈方向相反的关系，越接近0，说明相似度越低；最后将两个夹角余弦值组合作为EOG信号特征TEOG＝[cosθl,cosθr]；步骤3.脑电信号特征与眼电信号进行融合，从而对运动想象特征进行分析；对EEG信号处理得到的特征采取降维处理，设为脑电信号向左看样本，为脑电信号向右看样本，为待测信号样本，将这三个样本组合成为一个矩阵A，求A的协方差矩阵cov(A)为3*3矩阵，取其第一行上的2，3两个元素作为新的脑电信号特征最后将其与眼电信号串接组合获取融合特征步骤4.脑电、眼电进行模式识别，并由人机交互系统反馈出来；由以上步骤得到融合后的特征T，选取想象左、想象右的融合特征若干作为训练样本；(1)logistic分类器的构建：在分类情况下，经过学习后的logistic分类器是一组权值w0,w1,...,wn，当训练样本的数据输入时，这组权值与待测数据按照线性加和得到x＝w0+w1T1+...+wnTn，这里T1,T2,...,Tn是每个训练样本的特征；之后按照sigmoid函数的形式求出其定义域为(‑∞,+∞)，值域为(0，1)，采用极大似然估计来求得w0,w1,...,wn这组权值，设条件概率P(y＝1|x)＝p为根据待测样本y相对于某事件x发生的概率；那么logistic回归模型可以表示为这里称为logistic函数；其中g(x)＝w₀+w₁x₁+...+w_nx_n，那么在x条件下y不发生的概率为所以事件发生与不发生的概率之比为这个比值称为事件发生比；对其取对数得式(10)，再由极大似然估计求得参数；假设有m个观测样本，观测值分别为y₁,y₂,...,y_m，设p_i＝P(y_i＝1|x_i)为给定条件下得到y_i＝1的概率，同样的y_i＝0的概率为1‑p_i，所以得到一个观测值的概率为因为各个观测样本之间相互独立，那么他们的联合分布为边缘分布的乘积，得到似然函数为最大似然估计即为求出参数w0,w1,...,wn，使得L(w)取得最大值，对函数取对数得到继续对这n+1个w_i分别求偏导，得到n+1个方程，当对参数w_k求偏导时解这n+1个方程组；解方程得到w0,w1,...,wn这n+1个参数后logistic分类器构建完毕；(2)获取运动想象模式分类结果，并将结果通过人机界面展示给用户将待识别的融合特征输入到已构建完毕的logistic分类器中，得到运动想象分类结果；制作与运动想象相匹配的图像、声音、文字，再将运动想象分类结果与已制作的文字、声音、图像进行绑定，从而实现运动想象分类结果转换为文字、声音、图像通过友好的人机界面展示给用户。