CN109568891A - 基于脑电的康复机器人主被动训练模式控制系统及方法 - Google Patents

基于脑电的康复机器人主被动训练模式控制系统及方法 Download PDF

Info

Publication number
CN109568891A
CN109568891A CN201811433890.XA CN201811433890A CN109568891A CN 109568891 A CN109568891 A CN 109568891A CN 201811433890 A CN201811433890 A CN 201811433890A CN 109568891 A CN109568891 A CN 109568891A
Authority
CN
China
Prior art keywords
value
healing robot
signal
passive exercise
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201811433890.XA
Other languages
English (en)
Inventor
徐宝国
李文龙
张大林
魏智唯
宋爱国
赵国普
李会军
曾洪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southeast University
Original Assignee
Southeast University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southeast University filed Critical Southeast University
Priority to CN201811433890.XA priority Critical patent/CN109568891A/zh
Publication of CN109568891A publication Critical patent/CN109568891A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B23/00—Exercising apparatus specially adapted for particular parts of the body
    • A63B23/035—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously
    • A63B23/12—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for upper limbs or related muscles, e.g. chest, upper back or shoulder muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H1/00—Apparatus for passive exercising; Vibrating apparatus ; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
    • A61H1/02—Stretching or bending or torsioning apparatus for exercising
    • A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B21/00—Exercising apparatus for developing or strengthening the muscles or joints of the body by working against a counterforce, with or without measuring devices
    • A63B21/00178—Exercising apparatus for developing or strengthening the muscles or joints of the body by working against a counterforce, with or without measuring devices for active exercising, the apparatus being also usable for passive exercising
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B71/00—Games or sports accessories not covered in groups A63B1/00 - A63B69/00
    • A63B71/06—Indicating or scoring devices for games or players, or for other sports activities
    • A63B71/0619—Displays, user interfaces and indicating devices, specially adapted for sport equipment, e.g. display mounted on treadmills
    • A63B71/0622—Visual, audio or audio-visual systems for entertaining, instructing or motivating the user
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/12—Driving means
    • A61H2201/1207—Driving means with electric or magnetic drive
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2201/00—Characteristics of apparatus not provided for in the preceding codes
    • A61H2201/16—Physical interface with patient
    • A61H2201/1602—Physical interface with patient kind of interface, e.g. head rest, knee support or lumbar support
    • A61H2201/1635—Hand or arm, e.g. handle
    • A61H2201/1638—Holding means therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2205/00—Devices for specific parts of the body
    • A61H2205/06—Arms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user
    • A61H2230/08—Other bio-electrical signals
    • A61H2230/10—Electroencephalographic signals
    • A61H2230/105—Electroencephalographic signals used as a control parameter for the apparatus
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
    • A63B2230/00—Measuring physiological parameters of the user
    • A63B2230/08—Measuring physiological parameters of the user other bio-electrical signals
    • A63B2230/10—Measuring physiological parameters of the user other bio-electrical signals electroencephalographic signals
    • A63B2230/105—Measuring physiological parameters of the user other bio-electrical signals electroencephalographic signals used as a control parameter for the apparatus

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Rehabilitation Therapy (AREA)
  • Pain & Pain Management (AREA)
  • Epidemiology (AREA)
  • Human Computer Interaction (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Multimedia (AREA)
  • Biophysics (AREA)
  • Rehabilitation Tools (AREA)

Abstract

本发明公开了一种基于脑电的康复机器人主被动训练模式控制系统及方法，其中系统：想象引导模块，用于播放运动想象引导音频和视频；信号采集模块，用于采集使用者在播放时产生的运动想象脑电信号，并进行预处理；信号处理模块，用于预处理信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α；康复机器人控制模块，用于在α小于阈值时，控制康复机器人进入被动训练模式，按照预先设定的角速度进行训练；若在α大于阈值时，控制康复机器人进入主动训练模式，并根据α调整机械臂角速度。本发明使使用者能够在康复训练过程中进行主动训练和被动训练两种模式下自由的切换。

Description

基于脑电的康复机器人主被动训练模式控制系统及方法
技术领域
本发明涉及机器人控制，尤其涉及一种基于脑电的康复机器人主被动训练模式控制系统及方法。
背景技术
近些年来，随着中国经济水平的不断提高，人们对医疗行业的服务要求也越来越高，越来越多的患者需要进行康复训练，例如对于一些中风、偏瘫的患者而言，除了早期的手术治疗和药物治疗以外，进行正确和科学的康复训练对于肢体运动能力的恢复显得尤为重要。但是目前市面上出现的康复机器人功能单一，不能充分挖掘人体进行康复运动的主动性。而脑机接口(Brain-Computer Interface,BCI)技术的引入可以很好的解决以上问题。脑机接口技术通过对采集到的脑电信号进行分析来识别人的思想，从而在计算机和大脑之间建立一个新的通信通道。
早在1991年，美国麻省理工大学研制出第一台上肢康复训练机器人系统，可以得到患者训练时的运动信息。2000年，斯坦福大学使用PUMA560进行辅助，发开出具有单边训练和双边训练两种模式的康复训练机器人。2003年，奥地利的格拉茨技术大学首次实现让四肢瘫痪患者用脑电信号进行手部抓取康复训练。在同一年里，清华大学实现了基于视觉诱发电位的脑机接口对假肢进行四种简单动作的控制。2009年，新加坡学者提出一种基于MI-BCI的上肢康复机器人，经过对患者进行两个多月的临床试验以后，得出主动式康复训练要比被动式康复训练具有更好的训练效果。2013年，上海交通大学研制出一套基于虚拟现实的康复训练系统，目的是增强患者康复训练的主动性。
现有的基于脑电的康复训练机器人大都无法利用患者的脑电信息直接控制康复机器人的训练速度，无法充分调动患者的训练主动性。
发明内容
发明目的：本发明针对现有技术存在的问题，提供一种基于脑电的康复机器人主被动训练模式控制系统及方法，充分挖掘患者进行康复训练的主动性，使患者能够在康复训练过程中进行主动训练和被动训练两种模式下自由的切换。
技术方案：本发明所述的基于脑电的康复机器人主被动训练模式控制系统包括：
想象引导模块，用于播放面向使用者的运动想象引导音频和视频，诱发使用者产生运动想象脑电信号；
信号采集模块，用于采集使用者在音频和视频播放时产生的运动想象脑电信号，并进行预处理；
信号处理模块，用于将信号采集模块输出的信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α；
康复机器人控制模块，用于将特征值α与设定的阈值进行比较；若α小于阈值，则控制康复机器人进入被动训练模式，按照预先设定的康复训练机械臂的角速度进行训练；若α大于阈值，则控制康复机器人进入主动训练模式，并根据特征值α的大小调整康复训练机械臂的角速度。
进一步的，所述信号采集模块具体包括：
第一双极电极，采集时放置使用者头顶左侧C3区，用于采集左脑的双极性运动想象脑电信号，并进行差分处理后传输至预处理单元；
第二双极电极，采集时放置使用者头顶右侧C4区，用于采集右脑的双极性运动想象脑电信号，并进行差分处理后传输至预处理单元；
预处理单元，用于将接收的信号进行截取、放大和滤波，得到预处理信号。
进一步的，所述信号处理模块具体包括：
多层小波分解单元，用于对信号采集模块输出的信号采用基于Mallat的快速分解算法进行多层小波分解：
式中，cj+1,k表示第j+1次分解得到的逼近信号序列的第k个点值，dj+1,k表示第j+1次分解得到的细节信号序列的第k个点值，c0为原始信号采集模块输出的信号序列，gn-2k分别表示低通滤波器和高通滤波器的冲击响应；
信号提取与计算单元，用于提取预设频段信号的小波系数，并分别计算该频段小波系数的均值、能量均值和均方差作为特征向量；
特征值计算单元，用于采用线性判别分类算法，按照下式计算特征值α：
式中，Sw为总类内离散度矩阵，m1和m2为不同模式的训练样本的特征向量,X为每次采样值的特征向量。
进一步的，所述康复机器人控制模块中，康复机器人在被动训练模式下，机械臂的角速度为固定的。所述康复机器人控制模块中，康复机器人在主动训练模式下，机械臂的角速度根据α的值进行实时调节，调节范围在预设范围内。
本发明所述的基于脑电的康复机器人主被动训练模式控制方法包括：
(1)播放面向使用者的运动想象引导音频和视频，诱发使用者产生运动想象脑电信号；
(2)采集使用者在音频和视频播放时产生的运动想象脑电信号，并进行预处理；
(3)将步骤(2)的预处理信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α；
(4)将特征值α与设定的阈值进行比较；若α小于阈值，则控制康复机器人进入被动训练模式，按照预先设定的康复训练机械臂的角速度进行训练；若α大于阈值，则控制康复机器人进入主动训练模式，并根据特征值α的大小调整康复训练机械臂的角速度。
进一步的，所述步骤(2)具体包括：
(2.1)采用第一双极电极放置在使用者头顶左侧C3区，采集左脑的双极性运动想象脑电信号，并进行差分处理；
(2.2)采用第二双极电极放置在使用者头顶右侧C4区，采集右脑的双极性运动想象脑电信号，并进行差分处理；
(2.3)将步骤(2.1)和(2.2)的信号进行截取、放大和滤波，得到预处理信号。
进一步的，所述步骤(3)具体包括：
(3.1)对步骤(2)的预处理信号采用基于Mallat的快速分解算法进行多层小波分解：
式中，cj+1,k表示第j+1次分解得到的逼近信号序列的第k个点值，dj+1,k表示第j+1次分解得到的细节信号序列的第k个点值，c0为原始信号采集模块输出的信号序列，gn-2k分别表示低通滤波器和高通滤波器的冲击响应；
(3.2)提取预设频段信号的小波系数，并分别计算该频段小波系数的均值、能量均值和均方差作为特征向量；
(3.3)采用线性判别分类算法，按照下式计算特征值α：
式中，Sw为总类内离散度矩阵，m1和m2为不同模式的训练样本的特征向量,X为每次采样值的特征向量。
进一步的，所述康复机器人在被动训练模式下，机械臂的角速度为固定的，所述康复机器人在主动训练模式下，机械臂的角速度根据α的值进行实时调节，调节范围在预设范围内。
有益效果：本发明与现有技术相比，其显著优点是：
1、本发明可以提高使用者进行康复训练的积极性和主动性，有利于使用者的康复学习和神经重塑。
2、本发明使用将康复训练分为主动和被动两种模式，通过使用者的脑电信息对训练模式进行自由转换，在使用者运动想象不充足时切换至被动训练模式，防止使用者在训练过程中过于疲劳，提高康复训练的效率。
附图说明
图1是本发明提供的基于脑电的康复机器人主被动训练模式控制系统的一个实施例的系统框图；
图2为本发明中的运动想象引导时序图；
图3为本发明中的脑电信号采集位置示意图；
图4为本发明中的小波3层分解结构图；
图5为本发明中的康复机器人机械臂示意图。
具体实施方式
本实施例提供了一种基于脑电的康复机器人主被动训练模式控制系统，如图1所示，包括：
想象引导模块，用于播放面向使用者的运动想象引导音频和视频，诱发使用者产生运动想象脑电信号；
信号采集模块，用于采集使用者在音频和视频播放时产生的运动想象脑电信号，并进行预处理；
信号处理模块，用于将信号采集模块输出的信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法(Linear Discriminant Analysis,LDA)计算出使用者每次想象过程中的特征值α；
康复机器人控制模块，用于将特征值α与设定的阈值进行比较；若α小于阈值，则控制康复机器人进入被动训练模式，按照预先设定的康复训练机械臂的角速度进行训练；若α大于阈值，则控制康复机器人进入主动训练模式，并根据特征值α的大小调整康复训练机械臂的角速度。
本系统在使用前，需要进行事先准备，具体为：相关设备开启并调试好以后，康复训练机器人使用者在他人的帮助下佩戴好电极帽，使相应的电极都固定在头部的正确位置，之后准备好进行康复训练，将电脑显示屏放在使用者正前方合适的位置，使使用者能够舒适的平视电脑显示屏，依据显示屏上的指令的引导进行想象双手的运动。
想象引导模块引导运动想象引导的时序图如图2所示，电脑显示屏上的指令依次为：
Step1：在0-2s时，电脑显示屏为黑屏呈现，提示患者进行休息。
Step2：在2-3s时，电脑屏幕随机出现指向左边或者右边的箭头，提示患者即将开始想象，请患者做好准备。其中指向左方的箭头代表即将进行左手运动想象，指向右方的箭头代表即将进行右手运动想象。
Step3：在第3秒，电脑会出现短暂的滴声，提示运动想象的开始。
Step4：在3-8秒，电脑屏幕上呈现的箭头开始向箭头所指向的方向移动，患者应根据箭头的提示进行想象左手或者右手的康复训练动作。所述运动想象中的康复训练动作包括以下几种：肘部往复屈伸，反复握拳，大臂往复上抬等。
信号采集模块具体包括第一双极电极、第二双极电极和与处理单元，如图3所示，第一双极电极为双极电极通道，包含“+”、“-”两个电极，采集时放置使用者头顶左侧C3区，两电极相距5cm，采集左脑的运动想象脑电信号，然后将“+”、“-”两个电极的信号进行差分处理后传输至预处理单元；第二双极电极为双极电极通道，包含“+”、“-”两个电极，采集时放置使用者头顶右侧C4区，采集右脑的双极性运动想象脑电信号，然后将“+”、“-”两个电极的信号进行差分处理后传输至预处理单元；预处理单元用于将接收的信号进行截取、放大和滤波，得到预处理信号。在本例中，使用者在想象引导模块的引导下，在3-8s开始进行运动想象，截取4-8s的数据进行信号放大，以保证信号的有效性，设计0.5-40Hz的带通滤波器对放大后的信号进行滤波，保留信号中有效的脑电频率成分。
信号处理模块具体包括多层小波分解单元、信号提取与计算单元和特征值计算单元，多层小波分解单元用于对信号采集模块输出的信号采用基于Mallat的快速分解算法进行多层小波分解：
式中，cj+1,k表示第j+1次分解得到的逼近信号序列的第k个点值，dj+1,k表示第j+1次分解得到的细节信号序列的第k个点值，c0为原始信号采集模块输出的信号序列，gn-2k分别表示低通滤波器和高通滤波器的冲击响应。信号提取与计算单元，用于提取预设频段信号的小波系数，并分别计算该频段小波系数的均值、能量均值和均方差作为特征向量；特征值计算单元，用于采用线性判别分类算法，按照下式计算特征值α：
式中，Sw为总类内离散度矩阵，m1和m2为不同模式的训练样本的特征向量,X为每次采样值的特征向量。本例信号采样频率为128Hz，用db10小波进行3尺度分解，分解结构图如图4所示，对应的低频带A3为0-8Hz，信号分解为细节部分D1位于32-64Hz频带，D2位于16-32Hz频带，D3位于8-16Hz频带。D3在脑电信号的α(9-12Hz)波段附近，因此选择D3进行进一步处理，计算其均值、能量均值和均方差。
康复机器人控制模块中，康复机器人在被动训练模式下，机械臂的角速度为固定的。所述康复机器人控制模块中，康复机器人在主动训练模式下，机械臂的角速度根据α的值进行实时调节，但其角速度、运动幅度都具有一定限度，避免对使用者造成二次伤害。图5为本例中所述康复机器人机械臂简易模型，在主动模式下，该机械臂关节转动的角速度根据α的值进行调节，且α的值越大，对应的角速度就越大，α的值越小，对应的角速度就越小。
依照上述系统，本实施例还提供了一种基于脑电的康复机器人主被动训练模式控制方法，包括以下步骤：
(1)播放面向使用者的运动想象引导音频和视频，诱发使用者产生运动想象脑电信号。
(2)采集使用者在音频和视频播放时产生的运动想象脑电信号，并进行预处理。
该步骤具体包括：
(2.1)采用第一双极电极放置在使用者头顶左侧C3区，采集左脑的双极性运动想象脑电信号，并进行差分处理；
(2.2)采用第二双极电极放置在使用者头顶右侧C4区，采集右脑的双极性运动想象脑电信号，并进行差分处理；
(2.3)将步骤(2.1)和(2.2)的信号进行截取、放大和滤波，得到预处理信号。
(3)将步骤(2)的预处理信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α。
该步骤具体包括：
(3.1)对步骤(2)的预处理信号采用基于Mallat的快速分解算法进行多层小波分解：
式中，cj+1,k表示第j+1次分解得到的逼近信号序列的第k个点值，dj+1,k表示第j+1次分解得到的细节信号序列的第k个点值，c0为原始信号采集模块输出的信号序列，gn-2k分别表示低通滤波器和高通滤波器的冲击响应；
(3.2)提取预设频段信号的小波系数，并分别计算该频段小波系数的均值、能量均值和均方差作为特征向量；
(3.3)采用线性判别分类算法，按照下式计算特征值α：
式中，Sw为总类内离散度矩阵，m1和m2为不同模式的训练样本的特征向量,X为每次采样值的特征向量。
(4)将特征值α与设定的阈值进行比较；若α小于阈值，则控制康复机器人进入被动训练模式，按照预先设定的康复训练机械臂的角速度进行训练；若α大于阈值，则控制康复机器人进入主动训练模式，并根据特征值α的大小调整康复训练机械臂的角速度。
其中，所述康复机器人在被动训练模式下，机械臂的角速度为固定的，所述康复机器人在主动训练模式下，机械臂的角速度根据α的值进行实时调节，调节范围在预设范围内。
本方法与上述系统的实施例一一对应，其他部分不再赘述，参考方法实施例即可。
以上所揭露的仅为本发明一种较佳实施例而已，不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种基于脑电的康复机器人主被动训练模式控制系统，其特征在于包括：
想象引导模块，用于播放面向使用者的运动想象引导音频和视频，诱发使用者产生运动想象脑电信号；
信号采集模块，用于采集使用者在音频和视频播放时产生的运动想象脑电信号，并进行预处理；
信号处理模块，用于将信号采集模块输出的信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α；
康复机器人控制模块，用于将特征值α与设定的阈值进行比较；若α小于阈值，则控制康复机器人进入被动训练模式，按照预先设定的康复训练机械臂的角速度进行训练；若α大于阈值，则控制康复机器人进入主动训练模式，并根据特征值α的大小调整康复训练机械臂的角速度。
2.根据权利要求1所述的基于脑电的康复机器人主被动训练模式控制系统，其特征在于：所述信号采集模块具体包括：
第一双极电极，采集时放置使用者头顶左侧C3区，用于采集左脑的双极性运动想象脑电信号，并进行差分处理后传输至预处理单元；
第二双极电极，采集时放置使用者头顶右侧C4区，用于采集右脑的双极性运动想象脑电信号，并进行差分处理后传输至预处理单元；
预处理单元，用于将接收的信号进行截取、放大和滤波，得到预处理信号。
3.根据权利要求1所述的基于脑电的康复机器人主被动训练模式控制系统，其特征在于：所述信号处理模块具体包括：
多层小波分解单元，用于对信号采集模块输出的信号采用基于Mallat的快速分解算法进行多层小波分解：
式中，cj+1,k表示第j+1次分解得到的逼近信号序列的第k个点值，dj+1,k表示第j+1次分解得到的细节信号序列的第k个点值，c0为原始信号采集模块输出的信号序列，gn-2k分别表示低通滤波器和高通滤波器的冲击响应；
信号提取与计算单元，用于提取预设频段信号的小波系数，并分别计算该频段小波系数的均值、能量均值和均方差作为特征向量；
特征值计算单元，用于采用线性判别分类算法，按照下式计算特征值α：
式中，Sw为总类内离散度矩阵，m1和m2为不同模式的训练样本的特征向量,X为每次采样值的特征向量。
4.根据权利要求1所述的基于脑电的康复机器人主被动训练模式控制系统，其特征在于：所述康复机器人控制模块中，康复机器人在被动训练模式下，机械臂的角速度为固定的。
5.根据权利要求1所述的基于脑电的康复机器人主被动训练模式控制系统，其特征在于：所述康复机器人控制模块中，康复机器人在主动训练模式下，机械臂的角速度根据α的值进行实时调节，调节范围在预设范围内。
6.一种基于脑电的康复机器人主被动训练模式控制方法，其特征在于包括：
(1)播放面向使用者的运动想象引导音频和视频，诱发使用者产生运动想象脑电信号；
(2)采集使用者在音频和视频播放时产生的运动想象脑电信号，并进行预处理；
(3)将步骤(2)的预处理信号进行多层小波分解，提取预设频段信号的小波系数，分别计算该频段小波系数的均值、能量均值和均方差，并使用线性判别分类算法计算出使用者每次想象过程中的特征值α；
(4)将特征值α与设定的阈值进行比较；若α小于阈值，则控制康复机器人进入被动训练模式，按照预先设定的康复训练机械臂的角速度进行训练；若α大于阈值，则控制康复机器人进入主动训练模式，并根据特征值α的大小调整康复训练机械臂的角速度。
7.根据权利要求6所述的基于脑电的康复机器人主被动训练模式控制方法，其特征在于：所述步骤(2)具体包括：
(2.1)采用第一双极电极放置在使用者头顶左侧C3区，采集左脑的双极性运动想象脑电信号，并进行差分处理；
(2.2)采用第二双极电极放置在使用者头顶右侧C4区，采集右脑的双极性运动想象脑电信号，并进行差分处理；
(2.3)将步骤(2.1)和(2.2)的信号进行截取、放大和滤波，得到预处理信号。
8.根据权利要求6所述的基于脑电的康复机器人主被动训练模式控制方法，其特征在于：所述步骤(3)具体包括：
(3.1)对步骤(2)的预处理信号采用基于Mallat的快速分解算法进行多层小波分解：
式中，cj+1,k表示第j+1次分解得到的逼近信号序列的第k个点值，dj+1,k表示第j+1次分解得到的细节信号序列的第k个点值，c0为原始信号采集模块输出的信号序列，gn-2k分别表示低通滤波器和高通滤波器的冲击响应；
(3.2)提取预设频段信号的小波系数，并分别计算该频段小波系数的均值、能量均值和均方差作为特征向量；
(3.3)采用线性判别分类算法，按照下式计算特征值α：
式中，Sw为总类内离散度矩阵，m1和m2为不同模式的训练样本的特征向量,X为每次采样值的特征向量。
9.根据权利要求6所述的基于脑电的康复机器人主被动训练模式控制方法，其特征在于：所述康复机器人在被动训练模式下，机械臂的角速度为固定的。
10.根据权利要求6所述的基于脑电的康复机器人主被动训练模式控制方法，其特征在于：所述康复机器人在主动训练模式下，机械臂的角速度根据α的值进行实时调节，调节范围在预设范围内。
CN201811433890.XA 2018-11-28 2018-11-28 基于脑电的康复机器人主被动训练模式控制系统及方法 Pending CN109568891A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811433890.XA CN109568891A (zh) 2018-11-28 2018-11-28 基于脑电的康复机器人主被动训练模式控制系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811433890.XA CN109568891A (zh) 2018-11-28 2018-11-28 基于脑电的康复机器人主被动训练模式控制系统及方法

Publications (1)

Publication Number Publication Date
CN109568891A true CN109568891A (zh) 2019-04-05

Family

ID=65924737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811433890.XA Pending CN109568891A (zh) 2018-11-28 2018-11-28 基于脑电的康复机器人主被动训练模式控制系统及方法

Country Status (1)

Country Link
CN (1) CN109568891A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111544846A (zh) * 2020-04-30 2020-08-18 天津大学 一种纯意念控制康复机器人的训练与模式切换方法
CN117159336A (zh) * 2023-11-03 2023-12-05 首都医科大学宣武医院 一种康复训练方法、装置及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011076240A1 (en) * 2009-12-01 2011-06-30 X-Trainer As Robotic arm trainer
CN104000586A (zh) * 2014-05-12 2014-08-27 燕山大学 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法
CN105213153A (zh) * 2015-09-14 2016-01-06 西安交通大学 基于脑肌信息变阻抗的下肢康复机器人控制方法
CN105809124A (zh) * 2016-03-06 2016-07-27 北京工业大学 基于DWT和Parametric t-SNE的运动想象脑电信号的特征提取方法
CN107315478A (zh) * 2017-07-05 2017-11-03 中国人民解放军第三军医大学 一种运动想象上肢智能康复机器人系统及其训练方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011076240A1 (en) * 2009-12-01 2011-06-30 X-Trainer As Robotic arm trainer
CN104000586A (zh) * 2014-05-12 2014-08-27 燕山大学 基于脑肌电和虚拟场景的脑卒中患者康复训练系统及方法
CN105213153A (zh) * 2015-09-14 2016-01-06 西安交通大学 基于脑肌信息变阻抗的下肢康复机器人控制方法
CN105809124A (zh) * 2016-03-06 2016-07-27 北京工业大学 基于DWT和Parametric t-SNE的运动想象脑电信号的特征提取方法
CN107315478A (zh) * 2017-07-05 2017-11-03 中国人民解放军第三军医大学 一种运动想象上肢智能康复机器人系统及其训练方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111544846A (zh) * 2020-04-30 2020-08-18 天津大学 一种纯意念控制康复机器人的训练与模式切换方法
CN111544846B (zh) * 2020-04-30 2021-05-25 天津大学 一种纯意念控制康复机器人的训练与模式切换方法
CN117159336A (zh) * 2023-11-03 2023-12-05 首都医科大学宣武医院 一种康复训练方法、装置及电子设备
CN117159336B (zh) * 2023-11-03 2024-02-02 首都医科大学宣武医院 一种康复训练方法、装置及电子设备

Similar Documents

Publication Publication Date Title
CN109992113B (zh) 一种基于多场景诱发的mi-bci系统及其控制方法
CN107315478B (zh) 一种运动想象上肢智能康复机器人系统及其训练方法
CN106726030B (zh) 基于临床脑电信号控制机械手运动的脑机接口系统及其应用
US20220095989A1 (en) Multimodal human-robot interaction system for upper limb rehabilitation
CN111110982A (zh) 基于运动想象的手部康复训练方法
CN110179643A (zh) 一种基于环带传感器的颈部康复训练系统和训练方法
CN111938991A (zh) 一种双主动控制模式的手部康复训练装置及训练方法
CN203043423U (zh) 一种基于脑机接口的康复训练装置
CN101711709A (zh) 利用眼电和脑电信息的电动假手控制方法
CN107358041A (zh) 一种基于脑‑机接口的运动想象疗法装置及其使用方法
CN113274032A (zh) 一种基于ssvep+mi脑机接口的脑卒中康复训练系统及方法
CN111930238B (zh) 基于动态ssvep范式的脑机接口系统实现方法及装置
CN1803122A (zh) 利用想象运动脑电波产生康复训练器械控制命令的方法
CN111544854A (zh) 基于脑肌电信号深度学习融合的脑卒中运动康复方法
CN109247917A (zh) 一种空间听觉诱发p300脑电信号识别方法及装置
CN105137830A (zh) 一种基于视觉诱发脑机接口的国画机器手及其绘图方法
CN109568891A (zh) 基于脑电的康复机器人主被动训练模式控制系统及方法
CN106491251A (zh) 一种基于非侵入式脑机接口机器臂控制系统及其控制方法
CN114021604A (zh) 一种基于3d虚拟现实技术实时反馈的运动想象训练系统
CN106821308A (zh) 一种骨骼肌刺激下收缩活动评估的方法和装置
CN106901751A (zh) 一种基于大脑血红蛋白信息的运动速度状态的识别方法
CN109126045A (zh) 智能化运动分析和训练系统
CN113713333B (zh) 一种下肢康复全训练过程的动态虚拟诱导方法及系统
CN114469641A (zh) 基于肌电识别的功能性电刺激运动障碍镜像训练方法
CN107822628B (zh) 一种癫痫脑部病灶区自动定位装置及系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190405

RJ01 Rejection of invention patent application after publication