【技术实现步骤摘要】
本专利技术涉及一种基于脑电信号的任务状态异步检测方法，属于脑机交互领域。
技术介绍
1、基于运动想象脑电信号的脑机接口技术通过解码用户想象躯体运动时的脑电信号来对外输出控制指令，因其非侵入、主动自发、实施简便等优势而受到广泛关注。在这类脑机接口的使用中，用户需要执行“想象运动”的任务，如想象左手、右手、双脚、舌头的运动等。脑机接口系统将采集到的代表用户意图的大脑状态信息转换为对计算机及外部设备的控制指令，实现各种不同功能的应用。
2、脑机接口系统根据信号控制模式的不同可以分为同步和异步两类。同步脑机接口系统要求用户按照预先设定好的时序关系执行相应的任务，一般由计算机在每段任务的开始时刻给出相应的提示信息。在同步模式中，计算机占据主导地位，用户必须与计算机保持严格的同步关系，用户被动地根据提示完成相应任务。而异步模式旨在将系统的主导权交给用户，让用户决定何时开始和结束脑机接口任务，因此无需预先设定时序关系，甚至无需计算机进行任何提示。因此，与同步脑机接口相比，异步脑机接口在使用上更加灵活，也更加符合大家对脑机接口系统的期望，是脑机接口系统实用化的必然发展趋势。
3、异步检测方法是影响异步脑机接口性能的关键，其作用是通过分析大脑信号来判定用户是处于任务状态还是空闲状态。在基于运动想象脑电信号的异步脑机接口系统中，异步检测方法主要可分为两种类型。第一类方法是将空闲状态作为一个额外的任务类型，与其它运动想象任务类型一同进行分类识别，这类检测方法通常会产生较高的假阳性率。第二类方法仅对任务和空闲两种状态进行区分，若
4、在较早的基于脑电信号的任务状态异步检测方法研究中，通常基于某一类运动想象任务来构建算法，并将所诱发的感觉运动节律变化作为算法检测的特征。pfurtscheller等人提出了一种基于脚部运动想象的任务状态检测算法，使用运动想象开始前后的感觉运动节律变化作为特征，取得了78.6％的真阳性率和小于10％的假阳性率。liu等人使用样本熵作为特征开发了一种基于运动想象的任务状态检测算法，在5名肌萎缩侧索硬化症患者的实验中，取得了89.5％的真阳性率和7.0％的假阳性率。上述基于感觉运动节律的任务状态异步检测算法研究大多没有关注和报道检测的延迟时间，但一般需要几秒钟的时间完成从空闲状态到任务状态的转换。另一类异步检测方法使用运动相关电位作为特征识别用户的运动想象任务状态，能够实现极低的检测延迟。niazi等人在多项研究中探索了基于运动相关电位的任务状态检测算法设计实现，一般方法为先使用优化空间滤波器进行空间滤波，再使用匹配滤波器对脚部运动想象任务状态进行检测。该系列研究在健康用户中取得了约65％的真阳性率，检测的延迟时间在-400到200毫秒的范围。xu等人同样研究了基于运动相关电位的脚部运动想象任务状态检测，提出了一种局部保留投影和线性判别分析相结合的检测算法，表现出比匹配滤波器算法更高的准确率以及更短的检测延迟。该检测算法在健康用户中取得了超过70％的真阳性率，检测延迟为315±165毫秒，小于匹配滤波器460±123毫秒的检测延迟。虽然上述基于运动相关电位的任务状态异步检测方法实现了较短的检测延迟时间，但检测的准确性较低。
5、综上，现有的基于脑电信号的运动想象任务状态异步检测方法还未能很好地兼顾真阳性率、假阳性率和起始点检测时间这三个性能指标。因此，提出一种可以同时提升检测准确率和起始点检测精度的运动想象任务状态异步检测方法十分重要。
技术实现思路
1、针对运动想象任务状态异步检测方法准确率和起始点检测精度难以同时提升的问题，本专利技术的目的是提供一种基于脑电信号的用户任务状态异步检测方法，用户通过执行睁闭眼动作辅助的异步运动想象范式，在大脑信号中同时诱发出α节律变化和运动相关电位两种特征；采用并行方式处理不同脑区的多通道脑电信号，构建多域联合分析方法从中分别提取α节律特征和运动相关电位特征，使用两类特征对用户的空闲状态和任务状态进行分类；通过混淆矩阵评价两类特征分类结果的可信度，作为两种分类结果融合时各自的权重系数，通过加权d-s证据理论决策融合方法得到融合决策结果，构建融合α节律特征和运动相关电位特征分类结果的用户状态映射关系；通过融合决策得到的用户状态映射关系，提高运动想象任务状态识别的准确性和运动想象起始点检测精度。
2、本专利技术的目的是通过如下技术方案实现的：
3、本专利技术公开的一种基于脑电信号的用户任务状态异步检测方法，用户佩戴脑电信号采集设备，在每次从空闲状态进入任务状态之前先执行短暂的闭眼动作，在闭眼的同时做好运动想象任务的准备，在睁眼的同时开始运动想象任务。从闭眼到睁眼的这段时间内，用户大脑信号中同时出现α节律变化和运动相关电位两种特征。所述短暂指时间范围在1秒到3秒之间。采用上述睁闭眼动作辅助的异步运动想象范式，通过用户佩戴的脑电信号采集设备获取用户的实时脑电信号，使用长度为2秒的滑动时间窗截取脑电信号用于后续分析处理。所述脑电信号包括枕区电极通道和感觉运动区电极通道采集的多通道脑电信号。对于枕区电极通道采集的多通道脑电信号，构建频率-空间-频率多域联合分析方法提取用于检测α节律变化的特征向量；在频率域中，通过带通滤波保留5-15hz频带范围的信号成分；在空间域中，通过共空间模式csp方法整合多通道脑电信号中的α节律信息；在频率域中，通过希尔伯特-黄变换hht计算信号边际谱作为用于检测α节律变化的特征向量。对于感觉运动区电极通道采集的多通道脑电信号，构建频率-空间-时间多域联合分析方法提取用于检测运动相关电位的特征向量；在频率域中，通过带通滤波保留0.05-5hz频带范围的信号成分；在空间域中，通过任务相关成分分析trca方法整合多通道脑电信号中的运动相关电位信息；在时间域中，使用模板相关分析方法构建用于检测运动相关电位的特征向量。使用支持向量机svm分别对α节律特征和运动相关电位特征进行分类，输出各自的后验概率，通过后验概率分别构建α节律特征和运动相关电位特征与任务状态和空闲状态之间的映射关系。所述后验概率为0到1之间的概率值，概率值越接近1说明用户处于任务状态的可能性越大，概率值越接近0表明用户处于空闲状态的可能性越大。通过混淆矩阵分别评价α节律特征和运动相关电位特征分类结果的可信度，作为两种分类结果融合时各自的权重系数，通过加权d-s证据理论决策融合方法得到融合决策结果，构建融合α节律特征和运动相关电位特征分类结果的用户状态映射关系，提高运动想象任务状态识别的准确性和运动想象起始点检测精度。根据融合决策得到的用户状态映射关系，能检测到用户处于运动想象任务状态的准确时间，指示脑机接口系统输出控制指令。所述脑机接口控制指令的应用场景包括运动功能康复本文档来自技高网...
【技术保护点】
1.基于脑电信号的用户任务状态异步检测方法，其特征在于：包括如下步骤，
2.如权利要求1所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：步骤S3实现方法为，
3.如权利要求2所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：步骤S4实现方法为，
4.如权利要求3所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：步骤S5具体实现方法为，使用支持向量机SVM分别对α节律特征vα和运动相关电位特征vm进行分类，输出各自的后验概率sα和sm，通过后验概率sα和sm分别构建α节律特征和运动相关电位特征与任务状态和空闲状态之间的映射关系；所述后验概率为0到1之间的概率值，概率值越接近1表明用户处于任务状态的可能性越大，概率值越接近0表明用户处于空闲状态的可能性越大。
5.如权利要求4所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：步骤S6实现方法为，
6.如权利要求5所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：步骤S2中，使用长度为2秒的滑动时间窗截取脑电信号用于后续分析处理。>
7.如权利要求1、2、3、4、5或6所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：还包括S7：根据步骤S6得到的融合决策用户状态映射关系，检测用户处于运动想象任务状态的准确时间，指示脑机接口系统输出控制指令；所述脑机接口控制指令的应用场景包括运动功能康复、轮椅操控、家电操控、网页浏览、字符输入。
8.如权利要求7所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：在运动功能康复场景中，脑机接口系统的用户是神经-肌肉通路功能损伤的患者；基于步骤S7输出的指示脑机接口系统输出控制指令，辅助用户自主进行的肢体运动想象任务和康复设备对相应肌肉的刺激保持高度的时间同步，辅助用户改善康复效果。
...【技术特征摘要】
1.基于脑电信号的用户任务状态异步检测方法，其特征在于：包括如下步骤，
2.如权利要求1所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：步骤s3实现方法为，
3.如权利要求2所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：步骤s4实现方法为，
4.如权利要求3所述的基于脑电信号的用户任务状态异步检测方法，其特征在于：步骤s5具体实现方法为，使用支持向量机svm分别对α节律特征vα和运动相关电位特征vm进行分类，输出各自的后验概率sα和sm，通过后验概率sα和sm分别构建α节律特征和运动相关电位特征与任务状态和空闲状态之间的映射关系；所述后验概率为0到1之间的概率值，概率值越接近1表明用户处于任务状态的可能性越大，概率值越接近0表明用户处于空闲状态的可能性越大。
5.如权利要求4所述的基于脑电信号的用户任务状态异步检测方法，其特征在于...
【专利技术属性】
技术研发人员：郑德智，刘晓林，孙颖，李大鹏，王帅，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。