一種運(yùn)動(dòng)想象模式腦機(jī)接口觸發(fā)的下肢外骨骼訓(xùn)練方法及系統(tǒng)的制作方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及康復(fù)醫(yī)療與工程器械領(lǐng)域，特別是涉及一種運(yùn)動(dòng)想象模式腦機(jī)接口觸 發(fā)的下肢外骨骼訓(xùn)練方法及系統(tǒng)。
【背景技術(shù)】
[0002] 下肢外骨骼機(jī)器人是一種物理人機(jī)耦合系統(tǒng)，種類多樣，從功能上說(shuō)，可以分為兩 種:一種是輔助老年人、殘疾人和運(yùn)動(dòng)功能部分喪失的病人行走的外骨骼;另一種就是增強(qiáng) 正常人人體機(jī)能的外骨骼。不同的外骨骼系統(tǒng)有不同的控制方式，目前的下肢外骨骼訓(xùn)練 系統(tǒng)主要分為操作者控制、預(yù)編程控制、主從控制、地面反作用力控制、肌電信號(hào)控制等控 制方式，還沒(méi)有引入腦電信號(hào)與腦機(jī)接口觸發(fā)的控制方式。
[0003] 對(duì)于目前已有的控制方式，主要缺陷如下：
[0004] 1、操作者控制方式的缺點(diǎn)是:操作者的上肢只能用來(lái)發(fā)布命令，而不能進(jìn)行其他 活動(dòng)，并且操作者必須連續(xù)不停的發(fā)布命令，不僅浪費(fèi)了體力，而且操作者的運(yùn)動(dòng)也變得不 自然。而對(duì)于上肢運(yùn)動(dòng)功能部分喪失的病人來(lái)說(shuō)，發(fā)布命令也變得相當(dāng)困難。
[0005] 2、有些外骨骼裝置通過(guò)預(yù)先編好的程序來(lái)運(yùn)行，操作者只能進(jìn)行有限的干預(yù)，比 如停止或開(kāi)始，所有這些基于程序控制的系統(tǒng)都需要患者使用手杖或者額外的輔助框架來(lái) 保持操作者行走的穩(wěn)定，而且實(shí)現(xiàn)的運(yùn)動(dòng)形式也十分有限。
[0006] 3、主從控制一般用于遠(yuǎn)程機(jī)器人操作系統(tǒng)，目的是令遠(yuǎn)方的機(jī)器模擬操作者的動(dòng) 作，這就要求在系統(tǒng)設(shè)計(jì)時(shí)，在從外骨骼的內(nèi)部預(yù)留人和主外骨骼的活動(dòng)空間，使得系統(tǒng)的 設(shè)計(jì)變得相當(dāng)復(fù)雜。
[0007] 4、地面反作用力控制方式的缺陷是:其控制方法嚴(yán)格依賴于系統(tǒng)的動(dòng)態(tài)模型，而 骨骼服是一個(gè)多剛體、多自由度的非線性系統(tǒng)，想要建立其準(zhǔn)確的數(shù)學(xué)模型十分困難。
[0008] 5、肌電控制方式有其固有的缺點(diǎn)：在關(guān)節(jié)力矩和肌肉的EMG信號(hào)之間不可能找到 一個(gè)一對(duì)一的關(guān)系;為了確定肌力與關(guān)節(jié)力矩之間的關(guān)系，肌力力臂也要被確定，而力臂通 常隨關(guān)節(jié)角度的變化而變化。由于肌力力臂與外表面EMG信號(hào)的強(qiáng)度，及肌力力臂與肌肉力 間的關(guān)系都隨個(gè)體的不同而不同，故任何基于外表面EMG信號(hào)的控制器都是針對(duì)某個(gè)操作 者的個(gè)性化設(shè)備;在激烈運(yùn)動(dòng)下，容易脫落、易位，長(zhǎng)時(shí)間運(yùn)動(dòng)后，人體出汗會(huì)影響傳感器的 測(cè)量;傳感器每次都要貼到人體表面，使用不便。

【發(fā)明內(nèi)容】

[0009] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種為了保證下肢外骨骼機(jī)器人物 理人機(jī)耦合的高效性，使控制方式更加靈活，操作更加簡(jiǎn)單，實(shí)現(xiàn)的運(yùn)動(dòng)形式更加多樣化， 擴(kuò)大適用群體的運(yùn)動(dòng)想象模式腦機(jī)接口觸發(fā)的下肢外骨骼訓(xùn)練方法及系統(tǒng)。
[0010] 本發(fā)明的目的是通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)的：
[0011] 本發(fā)明提出的運(yùn)動(dòng)想象模式腦機(jī)接口觸發(fā)的下肢外骨骼訓(xùn)練方法是基于EEG信號(hào) 控制的康復(fù)機(jī)器人行為意圖識(shí)別方法。一方面，EEG信號(hào)是測(cè)量人體生理信息最靈敏的指標(biāo) 之一，另一方面，采集EEG信號(hào)的設(shè)備造價(jià)低廉，設(shè)備更加小巧，便于移動(dòng)。目前，小型的EEG 采集設(shè)備已經(jīng)投入使用并具有噪聲去除的功能，EEG具有毫秒級(jí)別的時(shí)間分辨率。當(dāng)人處在 行走狀態(tài)或者處于想象行走這種具有行走意圖的狀態(tài)時(shí)，會(huì)產(chǎn)生具有特征的EEG信號(hào)。通過(guò) 對(duì)這種信號(hào)的處理和分析，提取出信號(hào)特征，并將信號(hào)特征與行走特征相關(guān)聯(lián)，形成一種 EEG與行走意圖之間的關(guān)系，通過(guò)這種關(guān)系觸發(fā)康復(fù)機(jī)器人的運(yùn)動(dòng)。在本發(fā)明中，我們首先 對(duì)使用者采集運(yùn)動(dòng)想象EEG信號(hào)做分類訓(xùn)練，接下來(lái)再利用其EEG信號(hào)觸發(fā)控制下肢外骨 骼。
[0012] -種運(yùn)動(dòng)想象模式腦機(jī)接口觸發(fā)的下肢外骨骼訓(xùn)練方法，包括以下步驟：
[0013] SI:根據(jù)預(yù)設(shè)的運(yùn)動(dòng)想象任務(wù)測(cè)量使用者的腦電樣本信號(hào)；
[0014] S2:對(duì)步驟Sl所采集到的腦電樣本信號(hào)進(jìn)行預(yù)處理，去除信號(hào)噪聲；
[0015] S3:用共同空間模式對(duì)信號(hào)進(jìn)行變換，將不同大腦區(qū)域產(chǎn)生的腦電信號(hào)投影到相 應(yīng)的腦電圖位置處，提取和選擇特征；
[0016] S4:利用變換后的信號(hào)建立使用者的腦電信號(hào)分類器模板；
[0017] S5:使用者欲運(yùn)動(dòng)（想象左腿或右腿邁步）時(shí)，將使用者實(shí)時(shí)的運(yùn)動(dòng)想象腦電信號(hào) 經(jīng)過(guò)步驟S2的預(yù)處理和步驟S3的公共空間模式變換后，輸入步驟S4得到的腦電信號(hào)分類器 模板，決策使用者的運(yùn)動(dòng)想象腦電信號(hào)的類別，輸出分類結(jié)果給下肢外骨骼控制器，控制下 肢外骨骼執(zhí)行相應(yīng)運(yùn)動(dòng)動(dòng)作。
[0018] 所述步驟S2包括以下子步驟：
[0019] S201:數(shù)據(jù)重組；
[0020] S202:添加事件信息；
[0021] S203:添加電極位置信息；
[0022] S204:去均值；
[0023] S205 :頻域?yàn)V波；
[0024] S206:空間域?yàn)V波；
[0025] S207:事件相關(guān)電位ERP;
[0026] S208:功率譜；
[0027] S209:事件相關(guān)功率擾動(dòng)。
[0028] 所述的頻域?yàn)V波步驟使用FIR濾波器對(duì)腦電信號(hào)進(jìn)行頻域?yàn)V波，F(xiàn)IR濾波器的數(shù)學(xué) 表達(dá)式為：.y= .νΜ*/7M二Σ/W7[/7 - &]，其中，y[n]表示濾波器輸出，X[n]表示濾波 k=0 器輸入信號(hào)，h[n]表不單位沖擊響應(yīng)。
[0029] 所述的空間域?yàn)V波步驟從觀測(cè)信號(hào)中將源信號(hào)分離出來(lái)，信號(hào)分離方法采用獨(dú)立 成分分析ICA方法，ICA基礎(chǔ)模型:假設(shè)每通道觀測(cè)到的信號(hào)為 Xk(i)，則:Xk(i)=allSk(l) + ai2Sk(2) + · · .+aiMSk(M)，其中，sk( j)表不相互獨(dú)立的源信號(hào)，aij表不源信號(hào)sk( j)在觀測(cè)信 號(hào)xk(i)中所占的權(quán)重。
[0030] 所述步驟S4采用線性判別分析方法，抽取分類信息的同時(shí)壓縮特征空間的維數(shù)， 投影后的模式樣本在新的子空間中具有最大類間距離和最小類內(nèi)距離，即模式樣本投影后 具有最佳的分離性g (X )= W1X+ ω 〇，其中W是權(quán)重向量，ω 〇是閾值；
[0031] 對(duì)于兩分類問(wèn)題，判別函數(shù)的定義如下： ^(λ·) > (),xe W1
[0032] < g(x) < Ο,X e W2 * #__(1) = 0,1不屬于任意一類
[0033] 設(shè)類間離散度矩陣?
[0034] 類內(nèi)離散度矩陣為：
[0035] 其中
為所有模式樣本的均值，
〖示第i類樣本均值；
[0036]線性判別分析將腦電信號(hào)的分類問(wèn)題轉(zhuǎn)化為尋找低維空間，使得投影到該空間的 類間距離與類內(nèi)距離之間的比值最大；
[0037]根據(jù)上述思想，設(shè)最優(yōu)投影矩陣為Wcipt，根據(jù)線性判別準(zhǔn)則表達(dá)式的定義，求得：
[0038]
[0039] 基于運(yùn)動(dòng)想象模式腦機(jī)接口觸發(fā)的下肢外骨骼訓(xùn)練方法的系統(tǒng)，包括EEG信號(hào)采 集模塊、數(shù)據(jù)預(yù)處理模塊、共同空間模式處理模塊、腦電信號(hào)分類器模塊和下肢外骨骼控制 豐旲塊；
[0040] EEG信號(hào)采集模塊用于根據(jù)預(yù)設(shè)的運(yùn)動(dòng)想象任務(wù)測(cè)量使用者的腦電樣本信號(hào)； [0041]數(shù)據(jù)預(yù)處理模塊用于對(duì)采集到的腦電樣本信號(hào)進(jìn)行預(yù)處理，去除信號(hào)噪聲；
[0042]共同空間模式處理模塊用于使用共同空間模式對(duì)信號(hào)進(jìn)行變換，將不同大腦區(qū)域 產(chǎn)生的腦電信號(hào)投影到相應(yīng)的腦電圖位置處，提取和選擇特征；
[0043] 腦電信號(hào)分類器模塊用于利用共同空間模式變換后的信號(hào)建立使用者的腦電信 號(hào)分類器模板；
[0044] 使用者欲運(yùn)動(dòng)時(shí)，將使用者實(shí)時(shí)的運(yùn)動(dòng)想象腦電信號(hào)經(jīng)過(guò)數(shù)據(jù)預(yù)處理模塊的預(yù)處 理和共同空間模式處理模塊的公共空間模式變換后，輸入腦電信號(hào)分類器模塊得到的腦電 信號(hào)分類器模板，決策使用者的運(yùn)動(dòng)想象腦電信號(hào)的類別，輸出分類結(jié)果給下肢外骨骼控 制模塊，下肢外骨骼控制模塊用于控制下肢外骨骼執(zhí)行相應(yīng)運(yùn)動(dòng)動(dòng)作。
[0045] 本發(fā)明的有益效果是：
[0046] 1)本發(fā)明提供的觸發(fā)控制方式解決了現(xiàn)有的控制方式的不自然、有局限性、設(shè)計(jì) 復(fù)雜、使用不便等缺陷，讓下肢外骨骼系統(tǒng)的適應(yīng)能力更強(qiáng)，控制靈活性增強(qiáng)，擴(kuò)大了受用 群體。
[0047] 2)在記錄腦電信號(hào)的過(guò)程中常常伴隨有并非來(lái)源于大腦皮層的噪聲信號(hào)，對(duì)原始 EEG數(shù)據(jù)進(jìn)行自動(dòng)去除噪聲，可有效提高EEG信號(hào)的信噪比和可靠性。每通道采集到的腦電 信號(hào)都會(huì)受到該電極附近信號(hào)的干擾，也就是說(shuō)14個(gè)通道采集到的腦電信號(hào)是不同來(lái)源的 腦電信號(hào)的混疊，空間濾波可以從觀測(cè)信號(hào)中將源信號(hào)分離出來(lái)，提高源信號(hào)可靠度。
[0048] 3)使用共同空間模式將不同大腦區(qū)域產(chǎn)生的腦電信號(hào)投影到相應(yīng)的腦電圖位置 處，該方法大大降低了分類器的輸入特征向量的維度，同時(shí)又最大限度地保證了不同心理 任務(wù)相互容易區(qū)分的特征。
【附圖說(shuō)明】
[0049] 圖1為本發(fā)明整體方法流程圖；
[0050] 圖2為物理人機(jī)緊耦合系統(tǒng)的信息處理過(guò)程圖；
[0051]圖3為數(shù)據(jù)預(yù)處理流程圖；
[0052]圖4為使用者想象右腿邁步和想象左腿邁步狀態(tài)的共同空間模式圖；
[0053]圖5為下肢外骨骼觸發(fā)控制原理圖。
【具體實(shí)施方式】
[0054]下面結(jié)合附圖進(jìn)一步詳細(xì)描述本發(fā)明的技術(shù)方案，但本發(fā)明的保護(hù)范圍不局限于 以下所述。
[0055] 如圖2所示，物理人機(jī)緊耦合系統(tǒng)的信息處理過(guò)程如下:首先由人體獲取信息并處 理信息，完成決策(人體意圖），執(zhí)行運(yùn)動(dòng)動(dòng)作。
[0056] 如圖1所示，一種運(yùn)動(dòng)想象模式腦機(jī)接口觸發(fā)的下肢外骨骼訓(xùn)練方法，包括以下步 驟：
[0057] SI:根據(jù)預(yù)設(shè)的運(yùn)動(dòng)想象任務(wù)測(cè)量使用者的腦電樣本信號(hào)，做分類訓(xùn)練;讓使用者 佩戴EEG信號(hào)采集硬件設(shè)備Emotive，通過(guò)數(shù)據(jù)采集軟件儲(chǔ)存EEG信號(hào)。
[0058]運(yùn)動(dòng)想象腦電數(shù)據(jù)采集設(shè)備包含了數(shù)據(jù)采集硬件和軟件系統(tǒng)，數(shù)據(jù)采集硬件是 EASYCAP改裝的Emotive腦電采集設(shè)備，數(shù)據(jù)采集軟件為Emotive開(kāi)發(fā)包。數(shù)據(jù)采集的電極位 置選擇了 14個(gè)電極，信號(hào)參考電極位于中線位置處Cz電極前2厘米處，接地電極位于中線位 置Fz電極前2厘米處。首先采集使用者的腦電信號(hào)做樣本訓(xùn)練，設(shè)計(jì)出使用者的腦電信號(hào)分