CN106933348A - 一种基于虚拟现实的脑电神经反馈干预系统及方法 - Google Patents

Abstract

本发明公开了一种基于虚拟现实的脑电神经反馈干预系统及方法，系统包括虚拟现实子系统(100)、脑电采集及控制子系统(200)，所述虚拟现实子系统与脑电采集及控制子系统通过无线或有线方式建立通讯连接，所述脑电采集及控制子系统(200)集成有经颅直流电刺激设备(300)，方法具体为首先采集静息态或者舒缓场景下患者的脑电信号并经过分析得到当前患者的脑电基线；其次针对不同的神经反馈训练目标，结合相应的VR脚本和剧情，采集分析患者脑电信号状态，得到脑电信号的瞬时能量值；然后根据脑电信号的瞬时能量值与脑电基线的对比结果，调整虚拟现实场景中参数特征，同时施加经颅直流电刺激，对患者进行康复训练。本发明将神经反馈技术与虚拟现实技术相结合，是一种可在真实交互场景中实时交互、实时体验、实时监测、治疗反馈、综合评估的神经反馈及虚拟现实一体化系统。

Description

一种基于虚拟现实的脑电神经反馈干预系统及方法

技术领域

本发明涉及脑电技术领域，具体涉及一种基于虚拟现实的脑电神经反馈干预系统及方法。

背景技术

神经反馈技术(Neurofeedback)作为生物反馈技术的分支，开发于上世纪六十年代。它通过将神经生理信号转换为容易被人们理解的形式，如声、光、电等形式，受试者通过训练，可以选择性地增强或抑制某一种特征的神经生理信号，进而达到调节脑功能的目的。

神经反馈治疗技术的基本原理是：刺激信息引起感知觉进入大脑，经过大脑处理，传入电脑时经过特殊软件的同步处理，又进一步引发刺激信息的变化，再引发大脑的变化，如此循环往复，通过多次训练，选择性的强化或抑制某一频段的脑电波，达到改善和治疗的目的。该方法具有非侵入、无痛等优点，自上世纪六十年代以来，在心身疾病的康复训练中开始广泛的应用，临床试验表明，神经反馈训练疗法可以有效的对多动症、焦虑症、抑郁症、强迫症、失眠、习惯性抽搐等精神疾病进行干预，并且与传统的药物治疗相比具有疗效显著而且没有副作用的优点。

目前的神经反馈治疗技术存在以下问题：

1、特征识别率低、反馈通道少、重速度轻效果等缺点，尤其是反馈形式以平面画面为主，缺乏互动性、趣味性沉浸感和真实感，从而导致反馈治疗效果有限。

2、目前的脑电采集装置需要在使用者身上涂抹脑电膏、脑电液之类的减少阻抗的材料，安装时间往往长达30-60分钟，安装和操作使用都十分的不便。

因此亟需研制新型的基于虚拟现实和脑电的一体化神经反馈干预系统。

发明内容

本发明的目的在于克服上述现有技术的不足而提供一种基于虚拟现实和脑电的一体化神经反馈治疗系统。

本发明为解决上述技术问题所采用的技术方案是：

一种基于虚拟现实的脑电神经反馈干预系统，包括虚拟现实子系统、脑电采集及控制子系统，所述虚拟现实子系统与脑电采集及控制子系统通过无线或有线方式建立通讯连接，所述脑电采集及控制子系统集成有经颅直流电刺激设备；

所述虚拟现实子系统100包括头戴式可视设备HMD(下文简称HMD)、场景生成模块、场景信息存储模块、中央处理器、传感模块和全自由交互式体感模块；所述中央处理器根据脑电采集及控制子系统的发送的场景选择信息及刺激强度信息，向场景生成模块发送场景生成命令，场景生成模块从场景信息存储模块中调取相应的原始场景模型并根据刺激强度信息、结合传感模块及全自由交互式体感模块调整场景内容，通过HMD进行场景展现；

所述脑电采集及控制子系统包括脑电采集单元和脑电分析处理单元；所述脑电采集单元采用16导联干电极监测设备，包括脑机接口采集传感干电极和基于CoolMax织物的16导联电极帽；所述脑机接口采集传感干电极采集患者在神经康复训练时产生的脑电信号，并将脑电信号发送给脑电分析处理单元，所述脑电分析处理单元处理分析当前虚拟现实场景下患者的脑电信号，当患者的脑电信号水平接近或超过警戒值时则向虚拟现实子系统发送降低当前场景刺激强度。

所述脑电分析处理单元用于在EEG信号采集过程中，通过经验模态分解EMD将EEG分解为一系列具有一定物理意义的内蕴模型函数IMF，然后对IMF进行HHT(Hilbert-HuangTransform，希尔伯特黄变换)得到Hilbert谱；用于在静息态通过Hilbert谱得到患者的脑电基线，在交互刺激场景训练状态下通过Hilbert谱得到患者的脑电变化状态，并与脑电基线做对比进而控制虚拟现实子系统调整当前场景刺激强度。

优选的，所述经颅直流电刺激设备通过脑机接口采集传感干电极对使用者大脑释放微直流电刺激进行神经康复训练。

优选的，所述脑机接口采集传感干电极释放的直流电刺激强度及释放持续时间由脑电采集及控制子系统和经颅直流电刺激设备协同控制。

优选的，所述场景信息存储模块中存储的多种训练场景根据干预训练的目的不同分为8类应激交互训练场景和5类放松心理训练场景。

优选的，所述训练场景中模型参数的值均可调，即训练场景中模型的数量、大小、色彩、亮度或结构均可根据需求进行调整。

一种基于虚拟现实的脑电神经反馈干预方法，包括以下步骤：

S1，采集静息态或者舒缓场景下患者的脑电信号并经过分析得到当前患者的脑电基线；

S2，针对不同的神经反馈训练目标，结合相应的VR脚本和剧情，采集分析患者脑电信号状态，得到脑电信号的瞬时能量值；

S201，确定脑电信号x(t)的所有局部极大值和极小值点，用三次样条插值法得到上包络曲线e_max(t)和下包络曲线e_min(t)，并计算平均曲线m(t)；

S202，根据公式(2)提取IMF成分c(t)，

c(t)＝x(t)-m(t) (2)

若c(t)不满足IMF基本条件，则设x(t)＝c(t)，重新执行步骤S101，否则c(t)为一个IMF，并将剩余信号r(t)＝x(t)-c(t)作为新的原始信号，即令x(t)＝r(t)重复执行步骤S101，循环n次，直至r(t)为一个常数或者单调函数为止；原始信号最终表示为：

其中c_i(t)为第i次筛选出的IMF，r_n(t)为剩余信号；筛选过程的停止准则为：

当SD小于0.2时停止筛选；

S203，对上述EMD分解的所有IMF进行HT变换：

其中Q为柯西主值；则瞬时频率ω_i(t)、瞬时幅度a_i(t)、瞬时相位分别为：

综上，x(t)则可表示为：

则Hibert幅值谱为：

Hibert边际谱为：

其中T为原始脑电信号的采样长度；

S204，根据公式(11)计算各阶IMF中特定频带能量：

其中ω₁和ω₂分别为频率上下限，N为IMF的数量；然后分别计算每个IMF中特定频段能量占比P_i，得出该频段能量的分布情况。

S3，根据脑电信号的瞬时能量值与脑电基线的对比结果，调整虚拟现实场景中参数特征，同时施加经颅直流电刺激，对患者进行康复训练。

当进行场景交互式刺激训练时，若脑电信号的瞬时能量值与脑电基线的差值达到或超过警戒值时，则降低虚拟场景的相关参数的值，然后当患者的脑电信号趋于正常时，则增加相关参数的值，同时对患者特定位置脑神经施加经颅直流电刺激，进行康复训练。

本发明的有益效果是：

该系统将神经反馈技术与虚拟现实技术相结合，设计一种可在真实交互场景中实时交互、实时体验、实时监测、治疗反馈、综合评估的神经反馈及虚拟现实一体化系统。通过配合虚拟现实HMD，以沉浸式、自由交互3D立体的形式，将VR环境下的ABA行为干预场景、VR环境下的感统疗法场景体验呈现在虚拟三维世界中，辅助脑电EEG监测、神经调节技术-经颅直流电刺激(tDCS)等技术，借助人机交互体感以及脑电反馈实现治疗过程的互动操作。在保证经济实用的前提下，实现了虚拟现实和神经反馈技术对使用者身心问题的干预治疗。同时采用了干电极脑电采集的方案，在使用过程中不需要往使用者身上涂抹脑电膏或脑电液，大大降低了安装操作的复杂度，节省了大量的时间。

附图说明

图1为脑电神经反馈干预系统结构示意图；

图2为脑电神经反馈干预方法流程图；

图3为获取脑电信号的瞬时能量值的算法流程图。

具体实施方式

下面结合附图及实施例对本发明作进一步说明。

一种基于虚拟现实的脑电神经反馈干预系统，其特征在于：包括虚拟现实子系统100、脑电采集及控制子系统200，所述虚拟现实子系统与脑电采集及控制子系统通过无线或有线方式建立通讯连接，所述脑电采集及控制子系统200集成有经颅直流电刺激设备300；

所述虚拟现实子系统100包括头戴式可视设备HMD101、场景生成模块102、场景信息存储模块103、中央处理器104、传感模块105和全自由交互式体感模块106；所述中央处理器104根据脑电采集及控制子系统200的发送的场景选择信息及刺激强度信息，向场景生成模块102发送场景生成命令，场景生成模块102从场景信息存储模块103中调取相应的原始场景模型并根据刺激强度信息、结合传感模块105及全自由交互式体感模块106调整场景内容，通过HMD进行场景展现；

所述脑电采集及控制子系统200包括脑电采集单元210和脑电分析处理单元220；所述脑电采集单元210采用16导联干电极监测设备，包括脑机接口采集传感干电极211和基于CoolMax织物的16导联电极帽212；所述脑机接口采集传感干电极211采集患者在神经康复训练时产生的脑电信号，并将脑电信号发送给脑电分析处理单元220，所述脑电分析处理单元220处理分析当前虚拟现实场景下患者的脑电信号，当患者的脑电信号强度接近或超过警戒值时则向虚拟现实子系统发送降低当前场景刺激强度。

所述经颅直流电刺激设备300通过脑机接口采集传感干电极211对使用者大脑释放直流电刺激进行神经康复训练。

所述脑机接口采集传感干电极211释放的直流电刺激强度及释放持续时间由脑电采集及控制子系统200和经颅直流电刺激设备300协同控制。

所述场景信息存储模块103中存储的多种训练场景根据刺激强度的不同分为应激交互训练场景和放松心理训练场景。所述训练场景中模型参数的值均可调，即训练场景中模型的数量、大小、色彩、亮度或结构均可根据需求进行调整。

针对PTSD和恐惧症，可以采用虚拟现实场景下的暴露疗法进行干预训练，例如社交恐惧症，此类患者无法和人进行正常的社交活动，虚拟现实子系统选择对应的训练场景，将患者置身于一个优雅安静无人的环境中，然后慢慢的增加人流的密度，增加和患者进行交互的人的数量；例如恐高症，一开始将患者置于平地上，然后高度逐渐缓慢上升；例如昆虫恐惧症，一开始是1只，然后5只，10只，50只，…，n只，逐渐增加昆虫数量，以此类方式缓慢的增加刺激密度或强度，在此过程中，一旦发现实时脑电监测到的患者焦虑状态显著增加，和正常的基线水平相差接近或超过阈值，那么脑电采集及控制子系统将立即对虚拟现实子系统进行反馈控制，来降低场景中刺激强度或密度；随后监测到患者的脑电状态恢复平稳后，则再次渐进式的逐步加强刺激强度与密度，实现训练强度的螺旋式上升。

针对焦虑症和抑郁症，采用tDCS经颅直流电刺激技术，通过改变微直流电的刺激强度和靶点，来调节患者的神经递质，进而使患者处于愉悦和平静的情绪状态，同时结合虚拟现实场景中预设的视觉、听觉刺激和交互训练场景进行4-6周的反复训练，来诱导患者学会主动的调节正向情绪的能力。

一种基于虚拟现实的脑电神经反馈干预方法，如图2所示，包括以下步骤：

S1，采集静息态或者舒缓场景下患者的脑电信号并经过分析得到当前患者的脑电基线；

S2，针对不同的神经反馈训练目标，结合相应的VR脚本和剧情，采集分析患者脑电信号状态，得到脑电信号的瞬时能量值；

S201，确定脑电信号x(t)的所有局部极大值和极小值点，用三次样条插值法得到上包络曲线e_max(t)和下包络曲线e_min(t)，并计算平均曲线m(t)；

S202，根据公式(2)提取IMF成分c(t)，

c(t)＝x(t)-m(t) (2)

若c(t)不满足IMF基本条件，则设x(t)＝c(t)，重新执行步骤S101，否则c(t)为一个IMF，并将剩余信号r(t)＝x(t)-c(t)作为新的原始信号，即令x(t)＝r(t)重复执行步骤S101，循环n次，直至r(t)为一个常数或者单调函数为止；原始信号最终表示为：

其中c_i(t)为第i次筛选出的IMF，r_n(t)为剩余信号；筛选过程的停止准则为：

当SD小于0.2时停止筛选；

S203，对上述EMD分解的所有IMF进行HT变换：

其中Q为柯西主值；则瞬时频率ω_i(t)、瞬时幅度a_i(t)、瞬时相位分别为：

综上，x(t)则可表示为：

则Hibert幅值谱为：

Hibert边际谱为：

其中T为原始脑电信号的采样长度；

S204，根据公式(11)计算各阶IMF中特定频带能量：

其中ω₁和ω₂分别为频率上下限，N为IMF的数量；然后分别计算每个IMF中特定频段能量占比P_i，得出该频段能量的分布情况。

S3，根据脑电信号的瞬时能量值与脑电基线的对比结果，调整虚拟现实场景中参数特征，同时施加经颅直流电刺激，对患者进行康复训练。

当进行场景交互式刺激训练时，若脑电信号的瞬时能量值与脑电基线的差值达到或超过警戒值时，则降低虚拟场景的相关参数的值，然后当患者的脑电信号趋于正常时，则增加相关参数的值，同时对患者特定位置脑神经施加经颅直流电刺激，进行康复训练。

本发明以VR沉浸式体验、人机交互、脑电(EEG)监测、经颅直流电刺激(tDCS)为手段进行设计开发，

主要包括四大部分，分别是场景模拟、动态交互、实时监测、神经反馈控制、干预治疗。

(1)三维场景模拟与动态交互

患者佩戴头盔式立体眼镜，沉浸在用于进行视听信号刺激以及为干预治疗所定制的可交互三维场景中。通过手势识别设备，进行虚拟场景漫游。手势控制模拟人在虚拟场景中前进和后退，通过VR头盔上的陀螺仪和其他传感器，实时感知体验者的看向，来控制人在三维虚拟场景中的前进、后退的方向。

(2)实时监测

设计了16导联便携式干电极脑电监测设备，具有数据测量精确、集成度高、易于使用、轻便稳定、佩戴方便等特点。在EEG信号采集过程中，首先通过EMD(Empirical ModeDecomposition)将EEG分解为一系列具有一定物理意义的内蕴模型函数(Intrinsic ModeFunction,IMF)，并对重要的IMF的瞬时幅度提取自回归AR模型，模型采用burg递推算法，在此过程中，引入一个滑动hamming窗，计算数据每0.3S更新一次。与此同时，对IMF进行HHT(Hilbert-Huang Transform)得到Hilbert谱，进而可以求得EEG信号的瞬时能量值。在特征提取之后通过SVM进行了特征分类，并通过前期采样的数据，采用深度学习的算法加强了设备的自适应能力，能够在一定程度上针对不同使用者脑电波信号的波动趋势和个体差异进行动态补偿，从而使得该设备能够适用于不同的人群和不同的环境。采用干电极进行脑电信号探测，数据通讯采用无线通讯，从而彻底摆脱了线缆的束缚，使得其能够在各类环境中进行快捷的脑电数据采集和分析工作。

便携式干电极脑电监测设备具有以下特点：

a)易与使用。采用干电极进行脑电信号采集。

b)安全舒适。采用非侵入式脑波测量，无信号发射。

c)高度集成。专用芯片实现信号采集、滤波、放大、计算等一体化工作。

d)高效算法。解读心理、监测δ、θ、α1、α2、β1、β2、γ1、γ2波共八个EEG参数。

e)无线通讯。采用无线技术实现与计算机等智能设备的无线通讯。

f)适应性强。采用自适应算法，适用于不同的人群和环境。

(3)神经反馈控制

根据神经反馈训练目标的不同，和与之适应的VR脚本和剧情(即反馈场景设计)的不同，系统在特征提取并做出判断之后，将控制命令传输至各式各样的反馈场景，表现出用户此时的EEG状态。训练模式和方案目前主要有Alpha、Theta、SMR、SCP等EEG频段的独立或组合使用。利用IAF对EEG频段的划分，设计了Alpha频段(IAF±1.5Hz)和整个EEG频段(4～28HZ)的功率比值，SMR频段[(IAF+4)±1.5Hz]和Theta频段[(IAF-4)±1.5Hz]的功率比值，以此作为反馈信息，实现Alpha放松训练和SMR/Theta注意力训练。

(4)干预治疗

本发明应用的干预方法有VR环境下的ABA行为干预疗法、VR环境下的感统疗法和经颅直流电(tDCS)干预法。

1)VR环境下的ABA行为干预疗法主要是锁定个体行为和自然环境的相关性。其基本原则分为3大类：目标分解、灵活辅助、区分强化。目标分解就正如其字面意思，将目标项目或任务分解为最小的成分进行操作。随后再将小成分塑造成更大的项目或任务。塑造法可以说是完整的回合式操作教学法，在整个干预过程中一直存在，自动化地进行下达明确的指令、进行强性的使用以及辅助的操作方式。此疗法操作简单易懂，疗效显著。

2)VR环境下的感统疗法是借助周围的事物对个体产生的刺激导致感觉系统的加工整合。大脑是加工处理信息的枢纽，会将输入信息进行分析、领悟、学习的一系列加工传递。美国心理学家Ayres将感觉统合描述为全身器官的感觉信息的组合经大脑对外在的物体进行反应。基于这一理论基础，感统训练方法设定为使用对患者有刺激作用的活动来促进患者的身心机能，包含测查、实训、评估、回馈等一系列活动，科学性和可操作性都很强。感统训练法可以有效的改善协调性、注意力问题和情绪稳定性问题等等。

3)经颅直流电刺激(tDCS)疗法是一种使用稳定性的、非侵入式、低强度的微电流(1-2mA)来刺激大脑神经元活动的技术。tDCS可以增加(施加阳极刺激)或减少(施加阴极刺激)大脑皮层的兴奋性，也可以有效的调节认知、感知以及行为缺陷。本发明采用简易便携、安全的神经调节技术-经颅直流电刺激(tDCS)设备，对使用者身心问题进行干预。针对前额叶脑区对情感及思维的影响调节作用，周期性刺激患者前额叶。以达到对患者身心问题的治疗作用。

说明书中未阐述的部分均为现有技术或公知常识。本实施例仅用于说明该发明，而不用于限制本发明的范围，本领域技术人员对于本发明所做的等价置换等修改均认为是落入该发明权利要求书所保护范围内。

Claims (9)

1.一种基于虚拟现实的脑电神经反馈干预系统，其特征在于：包括虚拟现实子系统(100)、脑电采集及控制子系统(200)，所述虚拟现实子系统与脑电采集及控制子系统通过无线或有线方式建立通讯连接，所述脑电采集及控制子系统(200)集成有经颅直流电刺激设备(300)；

所述虚拟现实子系统(100)包括头戴式可视设备HMD(101)、场景生成模块(102)、场景信息存储模块(103)、中央处理器(104)、传感模块(105)和全自由交互式体感模块(106)；所述中央处理器(104)根据脑电采集及控制子系统(200)的发送的场景选择信息及刺激强度信息，向场景生成模块(102)发送场景生成命令，场景生成模块(102)从场景信息存储模块(103)中调取相应的原始场景模型并根据刺激强度信息、结合传感模块(105)及全自由交互式体感模块(106)调整场景内容，通过HMD进行场景展现；

所述脑电采集及控制子系统(200)包括脑电采集单元(210)和脑电分析处理单元(220)；所述脑电采集单元(210)采用16导联干电极监测设备，包括脑机接口采集传感干电极(211)和基于CoolMax织物的16导联电极帽(212)；所述脑机接口采集传感干电极(211)采集患者在神经康复训练时产生的脑电信号，并将脑电信号发送给脑电分析处理单元(220)，所述脑电分析处理单元(220)处理分析当前虚拟现实场景下患者的脑电信号，当患者的脑电信号水平接近或超过警戒值时则向虚拟现实子系统发送降低当前场景刺激强度。

2.根据权利要求1所述的一种基于虚拟现实的脑电神经反馈干预系统，其特征在于：所述脑电分析处理单元(220)用于在EEG信号采集过程中，通过经验模态分解EMD将EEG分解为一系列内蕴模型函数IMF，然后对IMF进行HHT得到Hilbert谱；用于在静息态通过Hilbert谱得到患者的脑电基线，在交互刺激场景训练状态下通过Hilbert谱得到患者的脑电变化状态，并与脑电基线做对比进而控制虚拟现实子系统调整当前场景刺激强度。

3.根据权利要求1所述的一种基于虚拟现实的脑电神经反馈干预系统，其特征在于：所述经颅直流电刺激设备(300)通过脑机接口采集传感干电极(211)对使用者大脑释放微直流电刺激进行神经康复训练。

4.根据权利要求2所述的一种基于虚拟现实的脑电神经反馈干预系统，其特征在于：所述脑机接口采集传感干电极(211)释放的直流电刺激强度及释放持续时间由脑电采集及控制子系统(200)和经颅直流电刺激设备(300)协同控制。

5.根据权利要求3所述的一种基于虚拟现实的脑电神经反馈干预系统，其特征在于：所述场景信息存储模块(103)中存储的多种训练场景根据干预训练的目的不同分为8类应激交互训练场景和5类放松心理训练场景。

6.根据权利要求5所述的一种基于虚拟现实的脑电神经反馈干预系统，其特征在于：所述训练场景中模型参数的值均可调，即训练场景中模型的数量、大小、色彩、亮度或结构均可根据需求进行调整。

7.一种基于虚拟现实的脑电神经反馈干预方法，其特征在于：包括以下步骤：

S1，采集静息态或者舒缓场景下患者的脑电信号并经过分析得到当前患者的脑电基线；

S2，针对不同的神经反馈训练目标，结合相应的VR脚本和剧情，采集分析患者脑电信号状态，得到脑电信号的瞬时能量值；

S3，根据脑电信号的瞬时能量值与脑电基线的对比结果，调整虚拟现实场景中参数特征，同时施加经颅微直流电刺激，对患者进行康复训练。

8.根据权利要求6所述的一种基于虚拟现实的脑电神经反馈干预方法，其特征在于：S2中对脑电信号状态的分析包括以下步骤：

S201，确定脑电信号x(t)的所有局部极大值和极小值点，用三次样条插值法得到上包络曲线e_max(t)和下包络曲线e_min(t)，并计算平均曲线m(t)；

$m\left(t\right)=\frac{e_{max}\left(t\right)+e_{min}\left(t\right)}{2}---\left(1\right)$

S202，根据公式(2)提取IMF成分c(t)，

c(t)＝x(t)-m(t) (2)

若c(t)不满足IMF基本条件，则设x(t)＝c(t)，重新执行步骤S101，否则c(t)为一个IMF，并将剩余信号r(t)＝x(t)-c(t)作为新的原始信号，即令x(t)＝r(t)重复执行步骤S101，循环n次，直至r(t)为一个常数或者单调函数为止；原始信号最终表示为：

$x\left(t\right)=\underset{i=1}{\overset{n}{\Σ}}{c}_i\left(t\right)+r_n\left(t\right)---\left(3\right)$

其中c_i(t)为第i次筛选出的IMF，r_n(t)为剩余信号；筛选过程的停止准则为：

$SD=\frac{{\mathrm{\Σ}}_{t=0}^T{|c_{k-1}\left(t\right)-c_k\left(t\right)|}^2}{c_{k-1}^2\left(t\right)}---\left(4\right)$

当SD小于0.2时停止筛选；

S203，对上述EMD分解的所有IMF进行HT变换：

$y\left(i\right)=\frac{1}{\mathrm{\π}}Q{\∫}_{-\mathrm{\∞}}^{\mathrm{\∞}}\frac{c_i\left(t\right)}{t-\mathrm{\τ}}d\mathrm{\τ},i=1,2,...,n---\left(5\right)$

其中Q为柯西主值；则瞬时频率ω_i(t)、瞬时幅度a_i(t)、瞬时相位分别为：

$a_i\left(t\right)=\sqrt{y_i{\left(t\right)}^2+c_i{\left(t\right)}^2}---\left(6\right)$

综上，x(t)则可表示为：

$x\left(t\right)=\mathrm{Re}\[\underset{i=1}{\overset{n}{\Σ}}{a}_i\left(t\right)\exp (j\∫{\mathrm{\ω}}_i(t\left)dt\right)\]---\left(9\right)$

则Hibert幅值谱为：

$H(\mathrm{\ω},t)=\mathrm{Re}\[\underset{i=1}{\overset{n}{\Σ}}{a}_i\left(t\right)\exp (j\∫{\mathrm{\ω}}_i(t\left)dt\right)\]---\left(10\right)$

Hibert边际谱为：

$H\left(\mathrm{\ω}\right)={\∫}_0^{T}H(\mathrm{\ω},t)dt---\left(11\right)$

其中T为原始脑电信号的采样长度；

S204，根据公式(11)计算各阶IMF中特定频带能量：

$E_i={\∫}_{{\mathrm{\ω}}_1}^{{\mathrm{\ω}}_2}{\∫}_0^T{\left|H_i(\mathrm{\ω},t)\right|}^{2}dtd\mathrm{\ω},i=1,2,...,N---\left(12\right)$

其中ω₁和ω₂分别为频率上下限，N为IMF的数量；然后分别计算每个IMF中特定频段能量占比P_i，得出该频段能量的分布情况。

$P_i=E_i/{\mathrm{\Σ}}_{k=1}^N{E}_k,i=1,2,...,N---\left(13\right)$

9.根据权利要求7所述的一种基于虚拟现实的脑电神经反馈干预方法，其特征在于：所述步骤S3具体为：

当进行场景交互式刺激训练时，若脑电信号的瞬时能量值与脑电基线的差值达到或超过警戒值时，则降低虚拟场景的相关参数的值，然后当患者的脑电信号趋于正常时，则增加相关参数的值，同时对患者特定位置脑神经施加经颅直流电刺激，进行康复训练。