【技术实现步骤摘要】
本专利技术属于数据分析处理，具体涉及一种基于bhs的运动想象脑电信号的分析方法及系统。
技术介绍
1、卒中是目前成人致死、致残的首位病因。卒中现患的人数较多且呈增长趋势，目前的脑卒中患者尽管接受干预，仍有较多的脑卒中患者遗留明显运动功能障碍，其中上肢运动功能障碍大约占比44%，手功能障碍大约占比52%。
2、基于此，脑机接口给卒中者提供了一种多模态、多反馈的干预方法，相较于以往的方法，脑机接口可以使患者主动运动意图参与到训练过程中，这种主动式神经方法有利于干预其运动功能。脑机接口技术已被广泛的引入到手部机器人的控制技术中，现有的脑机接口控制手部机器人系统大多采用常用的16导、32导或64导，因为导联数较多导致实验准备时间较长，计算成本较高，被试舒适性较差。对导联进行通道选择可以解决以上不足。
3、作为一种改进，通道选择方法可使脑机接口系统在保证理想性能的前提下尽量使用较少的通道，这将降低计算成本，减少实验准备时间，增强被试的舒适度。现有的通道选择方法主要包括过滤式选择和包裹式选择，其中过滤式选择方法原理是根据数学统计方法，如互信息、相关性、费舍准则等进行脑电通道选择，根据选择的通道提取脑电数据提取特征并训练分类器。包裹式选择方法是设计通道个数和分类准确率有关的适应度函数然后通过智能优化算法（如遗传算法、粒子群算法、人工蜂群算法等）进行迭代最终选择最高分类准确率和最少通道个数对应的脑电通道为最优通道组合，此过程中选择过程与分类器性能有关，而过滤式选择方法中通道选择过程与分类器性能无关联，这将导致最终选择的最
技术实现思路
1、本专利技术提供一种基于bhs的运动想象脑电信号的分析方法及系统，目的在于解决目前脑机接口干预方式的通道选择方法中，通道选择过程与分类器性能无关联，导致最终选择的最优通道并不能得到最优的分类效果，且采用的优化算法原理相对复杂，迭代效率不高的问题。
2、为达到上述目的，本专利技术采用如下技术方案：
3、本专利技术一种基于bhs的运动想象脑电信号的分析方法，包括如下步骤：
4、s1、通过运动想象的脑机接口实验范式，对待试目标进行离线实验，采集得到离线实验脑电数据；
5、s2、基于bhs脑电通道选择方法，对离线实验脑电数据进行针对特定被试的脑电最优通道选择，获得共空间滤波器和分类模型；
6、s3、进行在线验证实验，实时采集最优通道脑电数据并进行预处理，根据空间滤波器提取脑电特征并输入分类模型进行模式识别；
7、若识别错误，则返回继续采集待试目标的离线实验脑电数据；若识别正确则转化形成驱动手部机器人动作的控制指令。
8、在一些实施方式下，在s1中，运动想象的脑机接口实验范式还包括，在范式诱发待试目标运动想象的同时，根据待试目标运动想象数据的处理结果做出相应的视觉反馈。
9、在一些实施方式下，在s1中，离线实验脑电数据的采集使用无线脑电帽，无线脑电帽按照标准放置。
10、在一些实施方式下，s2的具体过程包括：
11、s21、对离线实验脑电数据进行预处理；
12、s22、基于bhs对预处理后的离线实验脑电数据进行通道选择；
13、s23、权衡分类误差率和通道数目，选择最优加权系数对应的适应度函数在bhs下迭代完成的最优解集，选择最优解集中针的最优通道组合，并输出csp空间滤波器和svm分类模型。
14、进一步地，在s21中，对离线实验脑电数据进行预处理，采用共平均参考、min-max归一化和频带滤波进行。
15、进一步地，s22具体包括：
16、bhs在和声记忆库上运行，并通过优化适应度函数来选择通道，通道选择的目标是在减少通道的基础上，适应度函数定义为分类错误率和相对通道数的加权和，表达式如下公式（1）：
17、（1）；
18、其中，表示为适应度函数；为分类误差率；为相对通道个数；为权重系数，权重 wi被标准化即。
19、在一些实施方式下，s23具体包括：
20、s231、初始化问题及算法参数；
21、s232、初始化和声记忆，计算每个和声向量的适应度值；
22、s233、根据bhs算法的和声创新机制生成一个新的和声向量并计算适应度值；
23、s234、更新和声记忆库；
24、s235、ni次迭代完成时，求解hms、hmcr和ni参数值下的适应度值，选择最下适应度值所对应的三个参数值为hms、hmcr和ni的最优参数；否则依次重复s233和s234。
25、进一步地，在s231中，二进制优化问题可以描述如下：
26、s.t.（2）；
27、其中，为目标函数； x为变量集合； n表示为决策变量个数。
28、进一步地，在s233中，创作新和声机制如下公式（3）：
29、（3）；
30、其中，表示新和声向量的第 i-th分量，hms表示和声记忆大小，hmcr表示和声记忆考虑率。
31、本专利技术还提供一种基于bhs的运动想象脑电信号的分析方法所基于的系统，系统包括范式呈现模块、数据采集模块、信号处理模块以及手部机器人模块，其中：
32、范式呈现模块用于，通过运动想象的脑机接口实验范式，对待试对象进行离线实验；
33、数据采集模块用于采集得到离线实验脑电数据；
34、信号处理模块用于，根据基于bhs脑电通道选择方法，对离线实验脑电数据进行针对特定被试的脑电最优通道选择，获得共空间滤波器和分类模型；
35、手部机器人模块用于，进行在线验证实验，实时采集最优通道脑电数据并进行预处理，根据空间滤波器提取脑电特征并输入分类模型进行模式识别；若识别错误，则返回继续采集待试目标的离线实验脑电数据；若识别正确则转化形成驱动手部机器人动作的控制指令。
36、与现有技术相比，本专利技术一种基于bhs的运动想象脑电信号的分析方法及系统，具有以下有益效果：
37、本专利技术基于bhs的运动想象脑电信号的分析方法，能够基于合理高效的信号处理和分析，为手部机器人提供个性化、精准的干预和控制。本专利技术适用于基于脑机接口技术的机器人控制系统，提高了系统的精度、减少了通道数目、并缩短了实验的准备时间，扩展了被试舒适度有特殊需求的应用场景。本专利技术通过采用bhs（二进制和声搜本文档来自技高网...
【技术保护点】
1.一种基于BHS的运动想象脑电信号的分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于BHS的运动想象脑电信号的分析方法，其特征在于，在所述S1中，运动想象的脑机接口实验范式还包括，在范式诱发待试目标运动想象的同时，根据待试目标运动想象数据的处理结果做出相应的视觉反馈。
3.根据权利要求1所述的基于BHS的运动想象脑电信号的分析方法，其特征在于，在所述S1中，离线实验脑电数据的采集使用无线脑电帽，无线脑电帽按照标准放置。
4.根据权利要求1所述的基于BHS的运动想象脑电信号的分析方法，其特征在于，所述S2的具体过程包括：
5.根据权利要求4所述的基于BHS的运动想象脑电信号的分析方法，其特征在于，在所述S21中，对离线实验脑电数据进行预处理，采用共平均参考、Min-max归一化和频带滤波进行。
6.根据权利要求4所述的基于BHS的运动想象脑电信号的分析方法，其特征在于，所述S22具体包括：
7.根据权利要求1所述的基于BHS的运动想象脑电信号的分析方法，其特征在于，所述S23具体包括：>
8.根据权利要求7所述的基于BHS的运动想象脑电信号的分析方法，其特征在于，在所述S231中，二进制优化问题可以描述如下：
9.根据权利要求7所述的基于BHS的运动想象脑电信号的分析方法，其特征在于，在所述S233中，创作新和声机制如下公式（3）：
10.一种权利要求1-9任一项所述基于BHS的运动想象脑电信号的分析方法所基于的系统，其特征在于，所述系统包括范式呈现模块、数据采集模块、信号处理模块以及手部机器人模块，其中：
...【技术特征摘要】
1.一种基于bhs的运动想象脑电信号的分析方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于bhs的运动想象脑电信号的分析方法，其特征在于，在所述s1中，运动想象的脑机接口实验范式还包括，在范式诱发待试目标运动想象的同时，根据待试目标运动想象数据的处理结果做出相应的视觉反馈。
3.根据权利要求1所述的基于bhs的运动想象脑电信号的分析方法，其特征在于，在所述s1中，离线实验脑电数据的采集使用无线脑电帽，无线脑电帽按照标准放置。
4.根据权利要求1所述的基于bhs的运动想象脑电信号的分析方法，其特征在于，所述s2的具体过程包括：
5.根据权利要求4所述的基于bhs的运动想象脑电信号的分析方法，其特征在于，在所述s21中，对离线实验脑电数据进行预处理，采用共平均...
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。