CN110472595A - 脑电信号的识别模型构建方法、装置以及识别方法、装置 - Google Patents

Abstract

本发明提供一种脑电信号的识别模型构建方法、装置以及识别方法、装置，首先通过肌电信号确定脑电信号的运动起始时刻，然后在起始时刻之前的时间段中确定运动空闲态和运动准备态，并分别对运动空闲态和运动准备态进行特征提取，采用线性判别式方式得到识别模型，再将实时采集的脑电信号输入该识别模型，从而判断当前运动状态。本发明能够及时检测行动不便人的运动意图，并将该意图转换为相应的控制指令，控制外围设备进行动作，从而满足日常动作需求，相较于基于运动想象的脑‑机接口系统，本发明能够提前获取动作意图，提高系统的实时性，给行动不便人更佳的体验效果。

Description

脑电信号的识别模型构建方法、装置以及识别方法、装置

技术领域

本发明涉及运行脑电信号处理领域，具体涉及一种脑电信号的识别模型构建方法、装置以及识别方法、装置。

背景技术

脑-机接口(Brain-Computer Interface，BCI)系统是一种不依赖外围神经回路的大脑与外部设备之间的直接通信通路，目前常用的脑-机接口系统主要基于三种脑电信号，即稳态视觉诱发电位(Steady-State Visual Evoked Potential，SSVEP)、P300电位和运动想象。稳态视觉诱发电位和P300电位属于视觉诱发电位，具有较高的识别率和信息传输率，因此常用于字符输入的脑-机接口系统。运动想象属于自发脑电，不依赖外围设备的刺激，常用于轮椅等外围设备的控制。

随着老年人的增加，我国已逐步步入老龄化社会，这也势必会造成偏瘫等人口的上升，而脑-机接口技术可以不通过外围神经，直接通过大脑对外围设备进行控制，这些外围设备能够带动人体的相应部位完成大脑想要的动作，这对行动不便的人具有重要的应用价值。

申请号为200710060162.4的中国发明专利公开了一种站起想象动作脑电的信号采集和特征提取方法，该专利基于运动想象的脑电信号采集和处理，能够识别肢体动作模式，转化为对应的控制指令。

虽然基于运动想象的脑-机接口系统能够帮助行动不便的人重建神经回路，但是该系统仍然存在响应滞后严重的问题，给行动不便人的日常动作造成不良影响。与运动想象脑电信号相比，运动准备信号早于运动想象信号产生，也就是说，运动准备脑电信号会先于运动想象脑电信号被检测到，因此基于运动准备电位的脑-机接口系统在机理上会比基于运动想象的脑-机接口系统响应更快。但是，运动准备阶段脑电特征微弱，如何准确的识别出运动空闲态、运动准备态仍然是一个难题。

发明内容

本发明针对现有技术的不足，从而提供一种脑电信号的识别模型构建方法、装置以及识别方法、装置，具体方案如下：

一种脑电信号识别模型的构建方法，包括以下步骤：

步骤1，采集运动过程的脑电信号以及肌电信号；确定所述肌电信号的运动起始时刻，并将所述肌电信号的运动起始时刻作为所述脑电信号的运动起始时刻；

步骤2，选取所述脑电信号的运动起始时刻开始之前的第一设定时间段对应的脑电信号作为运动空闲态数据，选取所述脑电信号的运动起始时刻之前的第二设定时间段对应的脑电信号作为运动准备态数据；

步骤3，分别对所述运动空闲态数据和运动准备态数据进行采样，并将采样结果作为所述运动空闲态数据的特征值和所述运动准备态数据的特征值；

步骤4，采用线性判别式方法对所述运动空闲态数据的特征值和所述运动准备态数据的特征值进行处理，得到识别模型。

进一步的，步骤1中，采集运动过程的脑电信号以及肌电信号的过程包括：

采集N次运动过程中的脑电信号，每次运动过程中采集位于头部设定位置的M个电极的信号作为本次运动采集得到的脑电信号；

每次运动过程中采集位于运动部位的电极的信号作为本次运动采集得到的肌电信号。

进一步的，步骤3中，采用10Hz的采样频率分别对所述运动空闲态数据和运动准备态数据进行采样，并将每次运动过程中每个电极采集到的脑电信号的运动空闲态数据的L个采样值作为对应的特征值；将每次运动过程中每个电极采集到的脑电信号的运动准备态数据的L个采样值作为对应的特征值。

进一步的，步骤4中，所述识别模型的公式定为y＝w^Tx，其中，x为特征值矩阵，为M*L行2N列；w为权值矩阵，为M*L行1列；

每次运动过程中，将运动空闲态的M*L个特征值组成运动空闲态向量，运动准备态的M*L个特征值组成运动准备态向量；

所述特征值矩阵x中的列向量由所述运动空闲态向量和所述运动准备态向量组成；

定义y′为标签值矩阵，所述标签值矩阵y′为1行2N列，将所述标签值矩阵y′中与所述运动空闲态向量对应的矩阵元素取值定为1，将所述标签值矩阵y′中与所述运动准备态向量对应的元素取值定为-1；

将所述特征值矩阵x和标签值矩阵y′代入公式y′＝w^Tx，训练得到权值矩阵w，即

进一步的，以所述脑电信号的运动起始时刻为零时刻，所述第一设定时间段为2.2s至2.8s；所述第二设定时间段为0s至0.6s。

进一步的，采用零相位IIR滤波器对所述脑电信号进行0.1-1Hz滤波。

进一步的，N为50，M为10，L为6。

本发明还提供了一种脑电信号识别方法，包括以下步骤：

采集实时脑电信号，将所述实时脑电信号的运动空闲态数据的特征值以及运动准备态数据的特征值输入识别模型，所述识别模型采用权利要求1-7任意一项所述的脑电信号识别模型的构建方法构建得到，根据所述识别模型的输出判断所述实时脑电信号是否处于运动空闲态或者运动准备态。

本发明还提供了一种脑电信号识别模型的构建装置，包括用于采集脑电信号的脑电采集器、用于采集肌电信号的肌电采集器、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器连接所述脑电采集器、肌电采集器和存储器；

所述处理器执行所述计算机程序时实现权利要求1-7任意一项所述的脑电信号识别模型的构建方法。

本发明还提供了一种脑电信号识别装置，包括用于采集脑电信号的脑电采集器、用于采集肌电信号的肌电采集器、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器连接所述脑电采集器、肌电采集器和存储器；

所述处理器执行所述计算机程序时实现权利要求8所述的脑电信号识别方法。

本发明相对现有技术具有突出的实质性特点和显著的进步，具体地说，本发明具有以下优点：

本发明首先通过肌电信号确定脑电信号的运动起始时刻，然后在起始时刻之前的时间段中确定运动空闲态和运动准备态，并分别对运动空闲态和运动准备态进行特征提取，采用线性判别式方式得到识别模型，再将实时采集的脑电信号输入该识别模型，从而判断当前运动状态。

本发明能够准确的确定脑电信号的空闲态和准备态，及时检测行动不便人的运动意图，并将该意图转换为相应的控制指令，控制外围设备进行动作，从而满足日常动作需求，相较于基于运动想象的脑-机接口系统，本发明基于运动空闲态和运动准备态的脑电信号识别能够提前获取动作意图，提高系统的实时性，给行动不便人更有效的操作效果。

附图说明

图1是本发明实施例中的方法流程图；

图2是本发明实施例中采集脑电信号时电极分布图；

图3是本发明实施例中左右手动作时肌电信号运动起始时刻示意图；

图4是本发明实施例中运动空闲态和运动准备态的时刻示意图；

图5是本发明实施例中运动准备态对应的脑部主要活动区域；

图6是本发明实施例中某一被试人员的脑电原始信号；

图7是本发明实施例中某一被试人员经过滤波后的脑电信号；

图8是本发明实施例中某一被试人员的脑电信号采样示意图。

具体实施方式

下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。

实施例一

如图1所示，本实施例提供了一种脑电信号的识别模型构建方法，首先采集运动过程的脑电信号以及肌电信号，对脑电信号进行滤波处理；确定肌电信号的运动起始时刻，根据肌电信号的运动起始时刻确定脑电信号的运动起始时刻，本实施例中脑电信号的运动起始时刻与肌电信号的运动起始时刻相同。

选取脑电信号的运动起始时刻之前的第一设定时间段对应的脑电信号作为运动空闲态数据，选取脑电信号的运动起始时刻之前的第二设定时间段对应的脑电信号作为运动准备态数据。

分别对运动空闲态数据和运动准备态数据进行采样，得到运动空闲态数据的特征值和运动准备态数据的特征值；采用线性判别式方法对运动空闲态数据的特征值和运动准备态数据的特征值进行处理，得到识别模型。

在具体模型建立过程中，本实施例采用脑电采集设备同步采集被试人员的右臂或左臂自主抬手运动过程中的脑电信号和肌电信号，脑电设备可以采用脑电和肌电同步采集的类型，也可以采用没有采集肌电信号功能的脑电设备采集脑电信号，然后利用肌电设备同步采集肌电信号，同步是为让脑电和肌电的时间点对齐。采集脑电信号的电极设置在头部区域，采集肌电信号的电极设置在运动部位，例如左手臂或者右手臂。

从脑电中难以直接找到运动起始点，所以需要借助于肌电。在运动的时间段内，肌电信号有明显的变化，因此利用肌电信号来得到运动起始时刻，进而可以从脑电数据中找到运动前后的时间段，如图3所示，分别为左手和右手的肌肉运动起始时刻，肌电信号是为了找到手臂运动的起始时刻。

根据经验，需要采集至少n(n≥50)次的重复动作，即共计n个trails，得到n个运动状态和n个空闲状态的脑电数据段；本实施例利用美国Neuroscan公司生产的64导脑电图采集系统，信号的采样频率设置为1000Hz(AC模式)，电极帽电极分布符合10-20国际标准电极位置，如图2所示，实验过程中电极阻抗小于5kΩ。信号采集与处理计算机采用win7操作系统，4GB内存，参考电极选择双侧乳突。

如图2，本实施例中选择F3、FZ、F4、FC1、FC2、C3、C4、Cz、CP1和CP2共计十个电极的脑电数据进行分析，电极的位置是根据运动准备时脑电的主要活动区域的得到的，如图5所示的中间深灰色区域即为主要活动区域，电极的数量是根据经验得到的。

利用零相位IIR滤波器对十个电极采集的脑电信号进行0.1-1Hz滤波；根据从肌电信号中找到的运动起始时刻，从脑电信号中提取运动空闲态(运动开始前2.8s到2.2s)和运动准备态(运动开始前0s到0.6s)的数据段，如图4所示。

对运动空闲态数据降采样，采样率为10Hz，这样每个trail就得到了了共计10*6＝60个运动空闲态的特征值；对运动准备态数据降采样，采样率为10Hz，这样每个trail就得到了共计10*6＝60个运动准备态的特征值；60个运动空闲态的特征值构成本次trail的运动空闲态向量，而60个运动准备态的特征值构成本次trail的运动准备态向量。

选用线性判别式分析对数据进行分类，公式如下：

y＝w^Tx(1)

y＝(y₁,y₂,y₃…y₁₀₀)(2)

其中y是输出矩阵，x为特征值矩阵，w为权值矩阵，1＜i≤50，1＜j≤50，x_i1表示第i次运动过程中脑电信号运动空闲态的第1个特征值，x_j1表示第j次运动过程中脑电信号运动准备态的第1个特征值，因此特征值矩阵x中的一个列向量是某次运动过程中10个电极脑电信号的运动空闲态数据的特征值组成的向量或者运动准备态数据的特征值组成的向量。

特征值矩阵x中的列向量由运动空闲态向量和运动准备态向量组成；因此特征值矩阵x为60行100列；定义标签值矩阵y′，标签值矩阵y′中与运动空闲态向量对应的元素取值为1，标签值矩阵y′中与运动准备态向量对应的元素取值为-1，因此标签值矩阵y′为1行100列。

本实施例中特征值矩阵x的前50个列向量由50次运动过程的运动空闲态向量组成，后50个列向量由50次运动过程的运动准备态向量组成，因此标签值矩阵y′的前50个元素取值为1，后50个元素取值为-1；则权值矩阵w为60行1列。

这里的标签值矩阵y′的取值是自定义的，例如本实施例中与运动空闲态向量对应的标签值取值为1，与运动准备态向量对应的标签值取值为-1，在其他实施例中，也可以是与运动空闲态向量对应的标签值取值为-1，与运动准备态向量对应的标签值取值为1，标签值的意义在于起到区分运动空闲态和运动准备态的标志作用，因此只要做到取值统一即可。

根据特征值矩阵x和标签值矩阵y′对权值矩阵w进行训练，这里可以采用曲线拟合的方式进行训练，从而得到权值矩阵w。

实施例2

本实施例提供了一种实施例1中脑电信号识别模型的构建装置，包括用于采集脑电信号的脑电采集器、用于采集肌电信号的肌电采集器、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器连接脑电采集器、肌电采集器和存储器。处理器执行计算机程序时实现实施例1中描述的脑电信号识别模型的构建方法。

实施例3

本实施例提供了一种基于实施例1中识别模型的脑电信号识别方法，得到识别模型后，采集实时脑电信号，然后对实时脑电信号进行处理，将实时脑电信号的运动空闲态数据的特征值以及运动准备态数据的特征值输入识别模型，根据识别模型的输出判断实时脑电信号是处于运动空闲态还是处于运动准备态。

本实施例中识别模型为y＝w^Tx，按照上述方法对10名被试人员进行测试，先得到10名被试人员的特征值矩阵x，分别代入识别模型中，根据得到的输出值y，对每个被试人员的运动准备进行识别，例如，如果输出值y为-1，则说明脑电信号处于运动准备态，如果输出值y为1，则说明脑电信号处于运动空闲态，然后统计每名被试人员脑电信号测试的准确率。

如图6所示为被试人员S3的原始脑电信号，图6中纵坐标为电极通道，一共十个电极通道，横坐标为时间，单位为ms；同时图6中表示出了运动起始时刻，即零时刻，以及运动起始时刻前的空闲态时间段和运动准备态时间段。图7为被试人员S3的原始脑电信号经过0.1-1Hz带通滤波后得到的脑电信号图，可以看出，经过滤波后将原始脑电信号中的噪音进行了清除，得到了比较干净的脑电信号。

如图8所示为对滤波后的脑电信号的运动空闲态和运动准备态分别进行采样，根据图8中可知，运动空闲态和运动准备态均为0.6s，本实施例中以10Hz的采样频率进行采样，因此，运动空闲态和运动准备态中均得到6个采样值，将采样值作为脑电信号特征值，从而得到特征值矩阵x。

通过测试，10个测试人员取得了平均87％的运动准备态和空闲态识别率，如表1所示。

表1 10名被试人员的识别准确率

实施例4

本实施例提供了一种实施例3中脑电信号识别的装置，包括用于采集脑电信号的脑电采集器、用于采集肌电信号的肌电采集器、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，处理器连接脑电采集器、肌电采集器和存储器；处理器执行计算机程序时实现实施例3中描述的脑电信号识别方法。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (10)

1.一种脑电信号识别模型的构建方法，其特征在于，包括以下步骤：

步骤1，采集运动过程的脑电信号以及肌电信号；确定所述肌电信号的运动起始时刻，并将所述肌电信号的运动起始时刻作为所述脑电信号的运动起始时刻；

步骤2，选取所述脑电信号的运动起始时刻开始之前的第一设定时间段对应的脑电信号作为运动空闲态数据，选取所述脑电信号的运动起始时刻之前的第二设定时间段对应的脑电信号作为运动准备态数据；

步骤3，分别对所述运动空闲态数据和运动准备态数据进行采样，并将采样结果作为所述运动空闲态数据的特征值和所述运动准备态数据的特征值；

步骤4，采用线性判别式方法对所述运动空闲态数据的特征值和所述运动准备态数据的特征值进行处理，得到识别模型。

2.根据权利要求1所述的脑电信号识别模型的构建方法，其特征在于，步骤1中，采集运动过程的脑电信号以及肌电信号的过程包括：

采集N次运动过程中的脑电信号，每次运动过程中采集位于头部设定位置的M个电极的信号作为本次运动采集得到的脑电信号；

每次运动过程中采集位于运动部位的电极的信号作为本次运动采集得到的肌电信号。

3.根据权利要求2所述的脑电信号识别模型的构建方法，其特征在于：步骤3中，按照设定采样频率分别对所述运动空闲态数据和运动准备态数据进行采样，并将每次运动过程中每个电极采集到的脑电信号的运动空闲态数据的L个采样值作为对应的特征值；将每次运动过程中每个电极采集到的脑电信号的运动准备态数据的L个采样值作为对应的特征值。

4.根据权利要求3所述的脑电信号识别模型的构建方法，其特征在于，步骤4中，所述识别模型的公式定为y＝w^Tx，其中，x为特征值矩阵，为M*L行2N列；w为权值矩阵，为M*L行1列；

每次运动过程中，将运动空闲态的M*L个特征值组成运动空闲态向量，运动准备态的M*L个特征值组成运动准备态向量；

所述特征值矩阵x中的列向量由所述运动空闲态向量和所述运动准备态向量组成；

定义y′为标签值矩阵，所述标签值矩阵y′为1行2N列，将所述标签值矩阵y′中与所述运动空闲态向量对应的矩阵元素取值定为1，将所述标签值矩阵y′中与所述运动准备态向量对应的元素取值定为-1；

将所述特征值矩阵x和标签值矩阵y′代入公式y′＝w^Tx，训练得到权值矩阵w，即

5.根据权利要求1所述的脑电信号识别模型的构建方法，其特征在于：以所述脑电信号的运动起始时刻为零时刻，所述第一设定时间段为2.2s至2.8s；所述第二设定时间段为0s至0.6s。

6.根据权利要求1所述的脑电信号识别模型的构建方法，其特征在于：采用零相位IIR滤波器对所述脑电信号进行0.1-1Hz滤波。

7.根据权利要求3所述的脑电信号识别模型的构建方法，其特征在于：N为50，M为10，L为6。

8.一种脑电信号识别方法，其特征在于，包括以下步骤：

采集实时脑电信号，将所述实时脑电信号的运动空闲态数据的特征值以及运动准备态数据的特征值输入识别模型，所述识别模型采用权利要求1-7任意一项所述的脑电信号识别模型的构建方法构建得到，根据所述识别模型的输出判断所述实时脑电信号是否处于运动空闲态或者运动准备态。

9.一种脑电信号识别模型的构建装置，其特征在于：包括用于采集脑电信号的脑电采集器、用于采集肌电信号的肌电采集器、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器连接所述脑电采集器、肌电采集器和存储器；

所述处理器执行所述计算机程序时实现权利要求1-7任意一项所述的脑电信号识别模型的构建方法。

10.一种脑电信号识别装置，其特征在于：包括用于采集脑电信号的脑电采集器、用于采集肌电信号的肌电采集器、存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器连接所述脑电采集器、肌电采集器和存储器；

所述处理器执行所述计算机程序时实现权利要求8所述的脑电信号识别方法。