[发明专利]一种基于脑电意念和深度学习的智能电动轮椅实现方法

摘要

本发明公开了一种基于脑电意念和深度学习的智能电动轮椅实现方法，包括可穿戴脑电采集、脑电深度学习模型、电动轮椅控制系统和雷达防撞系统四个功能模块组成，模块间的协调工作实现了对脑电数据的采集、分析处理、分类结果转化、轮椅终端控制的一体式服务，最终实现了基于脑电意念和深度学习的智能电动轮椅。本发明实现一种全新的智能轮椅控制方式，为电动轮椅添加设计了雷达防撞系统，可防止轮椅出现误操作、路面过度颠簸等意外情况导致的撞击，在使用过程中具有很高的安全性。

主权项

一种基于脑电意念和深度学习的智能电动轮椅实现方法，其特征在于，包括可穿戴脑电采集、脑电深度学习模型、电动轮椅控制系统和雷达防撞系统四个功能模块组成，具体实现方法步骤如下：步骤1)脑电波数据采集：由于人体脑部信号非常微弱，需要采用多电极、高采样率方式对脑电信号进行采集，采用可穿戴脑电设备实现信号的采集，要求该设备至少有14个采集通道，采样频率有128Hz和256Hz两种，并通过软件进行采样频率的设定；脑电设备将采集不同受试者在不同状态下的大量脑电数据，并建立大规模脑电数据库；需要佩戴者按照预先设定的时间间隔进行左右手、前进、后退运动想象，与此同时记录脑电数据并设立相应的标签；采集过程中应调整设备尽量实现最小化干扰并最大程度的保证采集数据的准确性；步骤2)脑电深度学习模型共包含3个部分:输入层、隐藏层、输出层；首先，需要随机设定一些初始的参数；假设该模型共有K层，并且每层的通道数为nk,其中k∈{1,2,…,K}，其中将第一层作为输入层，中间层作为隐藏层，最后一层作为输出层，lr表示学习模型的学习率，bs代表输入脑电数据的批尺寸；步骤3)在建立脑电深度学习模型之前，需要建立多标签的脑电数据库，将所有脑电数据集划分为5类标签，第一类标签可表示成[0,1,0,0,0,0]，相应地其他几类标签可分别表示为[0,0,1,0,0,0]、[0,0,0,1,0,0]、[0,0,0,0,1,0]和[0,0,0,0,0,1]；单个脑电样本数据可以用nin和ns来表示，其中nin表示脑电单个样本数据的长度，ns表示样本的宽度。样本长度表示每一行有nin个输入值，样本长度表示共有ns行；在本方法中，将ns设置为1，因此每一个脑电样本数据仅有一行，从而第k层样本数据可以表示为X1代表第一层即输入层的数据；符号Wk(k+1)表示k与k+1层之间的权值，其中号W12表示第一层和第二层之间的权值；步骤4)在模型的第一层有n1＝nin，这就意味着第一层的节点数等于数据输入值的个数；现假设输入数据为3维元组[bs,ns,nin]，即共有bs个输入格式为[ns,nin]的脑电数据，我们可将其整形转化为[bs*ns,nin]；模型第一层和第二层之间关系如公式(1)所示：X2＝X1*W12+b1   (1)相应地，学习模型中任意两层之间的关系均可由如下公式(2)来表示：Xk＝Xk‑1*Wk(k+1)+bk,k∈1,2,…,(k‑1)   (2)为了增加系统的非线性，我们选择使用sigmoid函数，可有如下公式(3)来表示：S(x)=11+e-x---(3)]]>其中x表示输入值，S代表输出，从而得到X2＝sigmoid(X1*W12+b1)；步骤5)为了更好区分不同类别数据的差异性，可使用softmax函数对每一层的数据Xk进行处理，如下公式(4)来表示：XKij′=XKijΣi=1nlXKij---(4)]]>其中X'Kij表示第K层数据中第j个样本输出结果中的第i个值，nl表示样本标签的总数量；在进行上述处理后，需要对结果进行评估，其代价函数公式如(5)所示:Cost=-1bsΣj=1bsΣi=1nl(yijlog(XKij′))+(1-yij)log(1-XKij′)+L2---(5)]]>其中yij表示第j个样本的真实标签数组中的第i个值，L2为损失函数，其公式如(6)所示：L2=λΣh1=1nh1Σh2=1nh2vh222---(6)]]>其中λ为损失函数的系数，vh2为网络中的可训练变量，nh1为整个网络中可变张量的数量，nh2为某个特定张量中的可变化数值的个数；步骤6)使用argmax函数求取最终的分类标签，单个样本得到的最终分类结果为[0.034,0.125,0.061,0.033,0.405,0.112]，使用argmax函数寻找的分类结果中的最大值为0.405，对应位置为4；设第j个样本的预测标签值为Yj，则Yj＝argmax(X'Kij)，i∈1,2,…,nl   (7)若预测标签Yj与真实标签labelj一致，则在真值表的相应位置上加1，否则加0，最终计算出预测的准确率，计算公式如(8)所示:acc=Σj=1bsαj,αj=1,Yj=labelj0,other---(8)]]>步骤7)通过以上步骤，获取到了最终的分类结果，还需要将这些分类结果转化为嵌入式控制指令；方法中将分类结果与预先设计好的控制指令一一对应，并将控制指令发送至电动轮椅的主控制模块，主控制模块收到指令并进行解析和调制相应的PWM脉冲来控制轮椅的驱动电压，调制出3路0.5V～4.5V的模拟电压，其中一路恒为2.5V，作为参考电压，另外两个电压的不同组合代表了轮椅前后左右四个方向运动时的电压值，如此即不需要摇杆直接对轮椅进行方向的任意控制；步骤8)为保证轮椅的稳定性和使用者的安全，为轮椅设计了一个主接收器和四个方向的雷达探头组成，小型雷达探头分布在轮椅前后左右四个方向上，防撞系统的主接收器实时接收来自这四个雷达探头返回的数据并进行结果输出，轮椅上的主控制器接收并解析来自防撞系统的数据，实现在轮椅靠近障碍物时自动停止轮椅的运行。