一种基于脑电信号和眼电信号的机械臂控制方法及系统技术方案

本发明专利技术属于脑机接口领域，具体涉及一种基于脑电信号和眼电信号的机械臂控制方法及系统，包括：首先处理采集的运动想象离线数据，采用LWT

【技术实现步骤摘要】
一种基于脑电信号和眼电信号的机械臂控制方法及系统


[0001]本专利技术属于脑机接口领域，具体涉及一种基于脑电信号和眼电信号的机械臂控制方法及系统。

技术介绍

[0002]脑机接口(Brain Computer Interface，BCI)是一种不依赖于外围神经和肌肉组织组成的传输通路的通讯系统技术，旨在直接通过人类或动物的大脑与外部设备相连接，通过对采集的脑电数据进行分析，识别出人或动物的思维，生成控制指令，实现大脑对外部设备的直接控制。近几年来，基于BCI的控制系统引起了研究人员的广泛关注，其在残疾人辅助设备上表现突出，如脑控机械臂、脑控轮椅、康复机器人等。
[0003]目前基于运动想象(Motor Imagery,MI)的机械臂控制系统主要有两类：单一脑电控制系统和混合脑电控制系统。单一脑电控制系统只使用MI实现对机械臂的控制，因此要获得更多控制指令需要采用多分类。例如，徐宝国等人开发了基于MI四分类的机械臂二维连续控制系统，实现了对四个方向上的目标进行抓取。Jeong等人提出了一种基于CNN
‑
BiLSTM深度学习框架的脑控机械臂系统，从MI脑电图中解码了用户关于手臂在三维多方向(左、右、前、后、上、下)的直观意向，被试成功完成了在三维空间上的物体抓取和自饮。混合脑电控制系统指的是混合多种脑电任务对机械臂进行控制，例如，Rakshit等人开发了基于MI、SSVEP和P300的混合BCI机械臂控制系统，在该系统中，利用LED的闪烁来诱发SSVEP进行机械臂连杆选择，使用MI实现已选连杆的运动，最后用末端执行器过目标时的刺激来产生P300进行反馈，实现了精准定位目标物体。Gao等人开发了一种结合MI、EMG和SSVEP的机械臂控制系统，采用MI作为单刀双掷脑开关(SPDTBS)，通过将SPDTBS与基于4级SSEVP相结合，实现了对机械臂运动的三维控制，此外，还检测了咬牙状态的EMG，并将其作为中断器用于初始化SPDTBS语句，参与这项研究的被试成功地通过操纵机械臂写出了单词“HI”。
[0004]综上，虽然目前基于MI的机械臂控制系统已取得了不少成就，但是仍存在二分类MI无法获取更多的控制指令，多分类MI分类准确率低，混合几种脑电信号来执行更多的任务又会给用户造成负担等问题。

技术实现思路

[0005]为解决以上现有技术存在的问题，本专利技术提出了一种基于脑电信号和眼电信号的机械臂控制方法，该方法包括：获取用户的脑电信号和眼电信号；对脑电信号进行预处理，提取预处理的后的脑电信号的特征，将提取的特征输入到训练好的分类模型中进行分类，得到用户意图；根据识别的意图生成机械臂控制指令；对用户的眼电信号进行预处理，设置眼电信号阈值，根据设置的眼电信号阈值对进行预处理后的唁电信号进行判断，若眼电信号为双次眼电信号，则将机械臂控制指令发送到机械臂中，控制机械臂运动；若眼电信号为单次眼电信号，则生成机械臂复位信号，并将机械臂复位指令发送给机械，控制机械臂复位；否则重新采集脑电信号和眼电信号，进行机械臂控制处理。
[0006]优选的，对脑电信号进行预处理包括：对原始脑电信号进行降采样，得到250Hz的脑电信号；采用巴特沃斯滤波器对250Hz的脑电信号进行滤波处理，并截取7～32Hz频段滤波后的脑电信号；对截取的信号进行0
‑
1标准化；将标准化的信号进行切片处理，提取出运动想象脑电信号中完整的信号段。
[0007]优选的，提取预处理后脑电信号的特征的过程包括：对预处理后的脑电信号进行提升小波分解，得到8
‑
16Hz和16
‑
31Hz两个频段的小波系数；根据得到的小波系数构建输入矩阵；采用共空间模式方法对构建的输入矩阵进行计算，得到空间特征向量。
[0008]优选的，对分类模型进行训练的过程包括：该分类模型为线性核支持向量机模型；对该模型进行训练的过程包括：获取原始脑电信号；将获取的脑电信号进行预处理，得到运动想象脑电信号中完整的信号段；对提取出的完整信号段进行特征提取，得到该信号段的空间特征向量；对所有的空间特征向量进行集合，得到空间特征向量集；采用5折交叉验证法对空间特征向量集进行划分，得到训练集和测试集；将验证集中的数据输入到线性核支持向量机模型中进行训练，当模型的损失函数收敛时完成模型的训练；将测试集中的数据输入到训练好的线性核支持向量机模型中进行测试。
[0009]优选的，设置眼电信号阈值包括：采集用户的无意识眨眼和有意识眨眼产生的眼电信号；然后对眼电信号进行降采样和滤波处理；通过对比有意识眼电和无意识眼电的波峰大小来设置阈值；即将有意识眼电和无意识眼电的波峰中的最小波峰的值作为阈值；通过该阈值能成功的过滤掉无意识眨眼眼电，检测到有意识眨眼眼电。
[0010]一种基于脑电信号和眼电信号的机械臂控制系统，该系统包括：数据采集模块、信号处理模块、机械臂控制模块以及机械臂；
[0011]所述数据采集模块用于采集用户运动想象时产生的脑电信号和眼电信号；
[0012]所述信号处理模块用于分析处理用户运动想象时的脑电信号和眼电信号，根据处理后的脑电信号和眼电信号得到指令，将指令发送到机械臂控制模块中；
[0013]所述机械臂控制模块接收到信号处理模块发出的指令后生成机械臂控制指令，并将机械臂控制指令传输到机械臂；
[0014]所述机械臂接收到机械臂控制指令后按照指令做相应的运动。
[0015]优选的，信号处理模块包括脑电信号处理单元和眼电信号处理单元；所述脑电信号处理单元用于对用户的运动想象脑电信号进行预处理和特征提取，并使用提前训练好的分类模型对脑电信号进行分类，识别出用户的意图，并生成指令发送至机械臂控制模块；所述眼电信号处理单元用于对用户的眼电信号进行预处理，并使用提前获得的眼电峰值阈值对眼电进行识别，在识别到单次或双次眼电后发送指令给机械臂控制模块。
[0016]优选的，机械臂控制模块为单片机开发板。
[0017]本专利技术将运动想象脑电信号和眼电信号相融合用来控制机械臂运动，用户只需要根据实际的场景进行下一运动所对应的想象，PC会对采集用户的大脑皮层运动想象脑电信号和眼电信号进行分析，生成控制指令控制机械臂完成相应的动作，整个过程无需他人帮助，用户可以独立自主完成，操作简单，识别准确率高，适应性强。
附图说明
[0018]图1是本专利技术的系统结构图；
[0019]图2为本专利技术的控制流程图；
[0020]图3为本专利技术的应用场景概念图；
[0021]图4为本专利技术的自主服药流程图。
具体实施方式
[0022]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0023]一种基于脑电信号和眼电信号的机械臂控制方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电信号和眼电信号的机械臂控制方法，其特征在于，包括：获取用户的脑电信号和眼电信号；对脑电信号进行预处理，提取预处理的后的脑电信号的特征，将提取的特征输入到训练好的分类模型中进行分类，得到用户意图；根据识别的意图生成机械臂控制指令；对用户的眼电信号进行预处理，设置眼电信号阈值，根据设置的眼电信号阈值对进行预处理后的唁电信号进行判断，若眼电信号为双次眼电信号，则将机械臂控制指令发送到机械臂中，控制机械臂运动；若眼电信号为单次眼电信号，则生成机械臂复位信号，并将机械臂复位指令发送给机械，控制机械臂复位；否则重新采集脑电信号和眼电信号，进行机械臂控制处理。2.根据权利要求1所述的一种基于脑电信号和眼电信号的机械臂控制方法，其特征在于，对脑电信号进行预处理包括：对原始脑电信号进行降采样，得到250Hz的脑电信号；采用巴特沃斯滤波器对250Hz的脑电信号进行滤波处理，并截取7～32Hz频段滤波后的脑电信号；对截取的信号进行0
‑
1标准化；将标准化的信号进行切片处理，提取出运动想象脑电信号中完整的信号段。3.根据权利要求1所述的一种基于脑电信号和眼电信号的机械臂控制方法，其特征在于，提取预处理后脑电信号的特征的过程包括：对预处理后的脑电信号进行提升小波分解，得到8
‑
16Hz和16
‑
31Hz两个频段的小波系数；根据得到的小波系数构建输入矩阵；采用共空间模式方法对构建的输入矩阵进行计算，得到空间特征向量。4.根据权利要求1所述的一种基于脑电信号和眼电信号的机械臂控制方法，其特征在于，对分类模型进行训练的过程包括：该分类模型为线性核支持向量机模型；对该模型进行训练的过程包括：获取原始脑电信号；将获取的脑电信号进行预处理，得到运动想象脑电信号中完整的信号段；对提取出的完整信号段进行特征提取，得到该信号段的空间特征向量；...

【专利技术属性】
技术研发人员：邓欣，肖立峰，杨鹏飞，吕向伟，刘柯，陈乔松，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：