基于狀態(tài)反饋的腦機通訊速率自適應控制方法
【專利摘要】一種基于狀態(tài)反饋的腦機通訊速率自適應控制方法，其步驟為：（1）施加Phase1模式定頻閃爍的視覺刺激；（2）系統(tǒng)目標識別過程；（3）判斷混合特征最大值是否超過系統(tǒng)設置的門限值；（4）判斷Phase1模式中系統(tǒng)識別的目標控制鍵是否為‘del’；如為否，則結束Phase1模式的選擇，系統(tǒng)存儲目標控制鍵行坐標；（5）系統(tǒng)進入Phase2模式定頻閃爍階段，并執(zhí)行系統(tǒng)目標識別過程；（6）判斷在Phase2階段系統(tǒng)目標識別過程中的所述混合特征最大值是否超過系統(tǒng)設置的門限值；如果判斷結果為是，則進入步驟（7）；（7）判斷Phase2階段系統(tǒng)識別的控制目標鍵是否為‘del’；最終輸出控制命令。本發(fā)明具有原理簡單、實現(xiàn)簡便、控制精度高、能夠提高系統(tǒng)信息傳輸率等優(yōu)點。
【專利說明】基于狀態(tài)反饋的腦機通訊速率自適應控制方法
【技術領域】
[0001]本發(fā)明主要涉及到腦機接口【技術領域】，特指一種基于狀態(tài)反饋的腦機通訊速率自適應控制方法。
【背景技術】
[0002]腦機接口(Brain-Computer Interface, BCI)是一種新的不依賴于外周神經(jīng)和肌肉參與的人機通訊系統(tǒng)。它通過檢測并判別腦電信號中對應不同大腦活動所體現(xiàn)出來的時空模式來識別人的意圖，并將其轉換成能被計算機所識別和執(zhí)行的數(shù)字信號，建立人腦與外設的直接通訊。目前，BCI在助殘、康復工程及武器裝備研發(fā)、娛樂等領域均有著廣泛的應用前景，已受到國內(nèi)外研究學者的廣泛關注。
[0003]隨著人們對大腦功能不斷深入的研究及信號處理技術的快速發(fā)展，對通過在被試頭部安放電極采集到的頭皮腦電圖(Electroencephalogram, EEG)信號的處理技術已經(jīng)達到一定水平，并已用于網(wǎng)頁瀏覽、機械臂和輪椅控制，以及字符輸入等腦控技術的研究，這為基于EEG的BCI研究推廣及其相關產(chǎn)品進入實際生活應用提供了技術基礎。目前，國內(nèi)外眾多BCI研究團隊對基于EEG信號的BCI研究主要集中在分別對其時域、空域、頻域成分腦電模態(tài)的分析處理上。例如，采用穩(wěn)態(tài)視覺誘發(fā)電位(Steady-state Visually EvokedPotential, SSVEP)的頻域信息和感覺運動節(jié)律(Sensory Motor Rhythm, SMR)的空間特征變化驅動的BCI系統(tǒng)的研究均已經(jīng)達到了較高水平。
[0004]SSVEP可通過施加定頻閃爍的視覺刺激誘發(fā)產(chǎn)生。在刺激過程中，被試通過注視以某特定頻率閃爍的字符模塊，使其頭部枕區(qū)(初級視皮層)EEG信號產(chǎn)生與刺激頻率相對應的特征電位。系統(tǒng)通過對EEG信號頻域成分的辨識來反推出視覺刺激的頻率，進而確定用戶所注視的目標位置。由于顯示器受到刷新頻率的限制，可用的有效頻率非常有限，使用傳統(tǒng)的SSVEP-BCI無法實現(xiàn)足夠多的刺激以滿足實際應用需求，這給SSVEP-BCI系統(tǒng)的應用帶來了很大的限制。
[0005]SMR則由被試執(zhí)行想象肢體運動任務來實現(xiàn)。想象肢體運動會引起運動皮層的事件相關去同步化(Event-Related Desynchronization, ERD),表現(xiàn)為相應頻帶上能量的降低；以及之后的事件相關同步化(Event-Related Synchronization, ERS),表現(xiàn)為相應頻帶能量的升高。想象肢體部位不同，ERD效應存在腦區(qū)空間上的差異。SMR-BCI系統(tǒng)可通過被試自主進行一定時間的運動想象任務來實現(xiàn)系統(tǒng)操控，而不需要依賴外界刺激，并且適用于連續(xù)控制命令輸出。然而，由于EEG信號的空間分辨率較低，通過增加運動想象任務種類來擴展BCI系統(tǒng)的命令是非常困難的。盡管近年來一直不乏這方面的研究，但一直未取得理想的分類結果。
[0006]由于上述兩種BCI系統(tǒng)命令數(shù)受到限制，使其信息傳輸率的提高大大受到制約。這也是為什么至今BCI系統(tǒng)仍未邁向商品化應用的重要原因之一。為了進一步提高系統(tǒng)性能，最近，一些BCI研究組織提出一種新的BCI框架，稱為混合BCI?；旌螧CI是一種由兩個以上BCI方法混合的系統(tǒng)，常被用于通過增加系統(tǒng)可用命令數(shù)、加快命令輸出速度和提高目標識別準確率等，以實現(xiàn)系統(tǒng)信息傳輸率的提高。作為BCI的一個新發(fā)展方向，混合BCI已經(jīng)受到了廣泛的關注。由于SMR和SSVEP特征空間分處于空域和頻域，信號采集的位置分處于運動皮層與初級視皮層，加之SMR是認知電位，不依賴外界刺激，即不占用視覺通路，便于SSVEP刺激的實時接收和控制狀態(tài)信息的反饋，故兩種電位的結合切實可行。利用SSVEP和SMR混合的方法設計BCI系統(tǒng)，可有效提高BCI系統(tǒng)信息傳輸率，進而推動BCI技術的應用與發(fā)展。

【發(fā)明內(nèi)容】

[0007]本發(fā)明要解決的技術問題就在于:針對現(xiàn)有技術存在的技術問題，本發(fā)明提供一種原理簡單、實現(xiàn)簡便、控制精度高、能夠提高系統(tǒng)信息傳輸率的基于狀態(tài)反饋的腦機通訊速率自適應控制方法。
[0008]為解決上述技術問題，本發(fā)明采用以下技術方案:
[0009]一種基于狀態(tài)反饋的腦機通訊速率自適應控制方法，其步驟為:
[0010](I)在進入控制執(zhí)行階段后，呈現(xiàn)出控制界面，并同時施加Phasel模式定頻閃爍的視覺刺激；
[0011]( 2 )系統(tǒng)目標識別過程:被試者注視目標控制鍵，觀察目標控制鍵上的字符顏色是否有變化；如果沒有變化，被試執(zhí)行左手運動想象任務；反之，如果有變化則執(zhí)行右手運動想象任務；計算機同時對所采集的EEG信號實時進行處理，識別出EEG信號中SSVEP和SMR的混合特征最大值，及其所對應的坐標值；
[0012](3)判斷Phasel模式中所述混合特征最大值是否超過系統(tǒng)設置的門限值:如果判斷結果為是，則進入步驟(4);如果判別結果為否，則返回到步驟(2)，繼續(xù)進行系統(tǒng)目標識別過程；
[0013](4)判斷Phasel模式中系統(tǒng)識別的目標控制鍵是否為‘del如果判斷結果為是，則刪除上一個控制命令，并返回到步驟(2)，繼續(xù)進行系統(tǒng)目標識別過程；反之，如果判斷結果為否，則結束Phasel模式的選擇，系統(tǒng)存儲目標控制鍵行坐標，其所在行目標控制鍵字符均加下劃線作為標記；進行一段延時，用于消除此時SSVEP響應；
[0014](5)系統(tǒng)進入Phase2模式定頻閃爍階段，并執(zhí)行與步驟(2)相同的系統(tǒng)目標識別過程；如果此時被試者發(fā)現(xiàn)所注視的目標控制鍵的字符有下劃線，表明目標控制鍵的行坐標選擇正確，此時繼續(xù)注視目標控制鍵，否則表明Phasel階段判別錯誤，立即改為注視‘del’ 鍵；
[0015](6)判斷在Phase2階段系統(tǒng)目標識別過程中的所述混合特征最大值是否超過系統(tǒng)設置的門限值；如果所述混合特征最大值超過系統(tǒng)設置的門限值，即判斷結果為是，則進入步驟(7);如果判別結果為否，則返回到步驟(5)，繼續(xù)進行Phase2階段的系統(tǒng)目標識別；
[0016](7)判斷Phase2階段系統(tǒng)識別的控制目標鍵是否為‘del’ ；如果判斷結果為是，直接返回到步驟(2)，重新進行Phasel階段的系統(tǒng)目標識別；反之結果為否，則采用Phase2階段識別得到的控制目標鍵的列坐標與Phasel階段得到的行坐標聯(lián)合定位出所選目標鍵，輸出控制命令。
[0017]作為本發(fā)明的進一步改進:所述步驟(2)的具體步驟為:
[0018](2.1)系統(tǒng)呈現(xiàn)視覺刺激后，被試注視目標控制鍵；此時計算機對所采集的EEG信號按照SSVEP和SMR信道分別進行處理，并最終識別出SSVEP特征最大值，以及SSVEP與SMR的混合特征的最大值，及其坐標；
[0019](2.2)判斷SSVEP特征的最大值是否超過系統(tǒng)所設門限值；如果判斷結果為是，系統(tǒng)根據(jù)特征最大值的大小，改變其所對應目標鍵上符號的顏色；如果判斷結果為否，所有目標控制鍵符號的顏色不變，系統(tǒng)返回到步驟(2.1)；
[0020](2.3)被試者注視目標控制鍵的同時，如果目標控制鍵上的字符顏色發(fā)生改變，被試者增加右手運動想象任務；如果目標控制鍵上的字符顏色未發(fā)生改變，被試者增加左手運動想象任務；此時系統(tǒng)實時輸出混合特征最大值及其對應的坐標。
[0021]作為本發(fā)明的進一步改進:所述步驟(2.1)中，先讀入EEG信號，然后對信號進行放大和Α/D轉換后，將其得到的信號按SSVEP信道和SMR信道兩組進行處理；具體如下:
[0022](a)對屬于SSVEP信道的EEG信號的處理流程為:系統(tǒng)首先將所讀取的EEG信號采用頻率為4-35Hz的帶通濾波器進行帶通濾波；系統(tǒng)應用CCA方法計算預處理得到的EEG信號與各刺激頻率的相關性系數(shù)，將其作為各刺激頻率的特征值;接下來，將求得的特征向量最大值進行標準化處理，得到SSVEP特征最大值X，及其對應的坐標；對特征最大值進行標準化處理；
[0023](b)對屬于SMR信道的EEG信號的處理流程為:系統(tǒng)首先截取目標控制鍵開始變色的EEG數(shù)據(jù)，并采用頻率為8-30Hz的帶通濾波器進行帶通濾波；通過滑動窗截取SMR特征數(shù)據(jù)，生成樣本；應用CSP算法對樣本數(shù)據(jù)進行空域濾波；對特征提取后的樣本用SVM算法進行分類；對分類結果進行平滑，以及標準化處理后，得到SMR特征值Y ;
[0024](c)最后輸出SSVEP特征以及SSVEP和SMR混合特征最大值、及其坐標。
[0025]作為本發(fā)明的進一步改進:所述SSVEP特征最大值的標準化的具體方法為:首先將由CCA算法求得的各頻率的特征值按大小排列，則經(jīng)標準化后的特征最大值為:
【權利要求】
1.一種基于狀態(tài)反饋的腦機通訊速率自適應控制方法，其特征在于，步驟為: (I)在進入控制執(zhí)行階段后，呈現(xiàn)出控制界面，并同時施加Phasel模式定頻閃爍的視覺刺激； (2 )系統(tǒng)目標識別過程:被試者注視目標控制鍵，觀察目標控制鍵上的字符顏色是否有變化；如果沒有變化，被試執(zhí)行左手運動想象任務；反之，如果有變化則執(zhí)行右手運動想象任務；計算機同時對所采集的EEG信號實時進行處理，識別出EEG信號中SSVEP和SMR的混合特征的最大值，及其所對應的坐標值； (3)判斷Phasel模式中所述混合特征最大值是否超過系統(tǒng)設置的門限值:如果判斷結果為是，則進入步驟(4);如果判別結果為否，則返回到步驟(2)，繼續(xù)進行系統(tǒng)目標識別過程; (4)判斷Phasel模式中系統(tǒng)識別的目標控制鍵是否為‘del如果判斷結果為是，則刪除上一個控制命令，并返回到步驟(2)，繼續(xù)進行系統(tǒng)目標識別過程；反之，如果判斷結果為否，則結束Phasel模式的選擇，系統(tǒng)存儲目標控制鍵行坐標，其所在行目標控制鍵字符均加下劃線作為標記；進行一段延時，用于消除此時SSVEP響應； (5)系統(tǒng)進入Phase2模式定頻閃爍階段，并執(zhí)行與步驟(2)相同的系統(tǒng)目標識別過程；如果此時被試者發(fā)現(xiàn)所注視的目標控制鍵的字符有下劃線，表明目標控制鍵的行坐標選擇正確，此時繼續(xù)注視目標控制鍵，否則表明Phasel階段判別錯誤，立即改為注視‘del’鍵； (6)判斷在Phase2階段系統(tǒng)目標識別過程中的所述混合特征最大值是否超過系統(tǒng)設置的門限值；如果所述混合特征最大值超過系統(tǒng)設置的門限值，即判斷結果為是，則進入步驟(7);如果判別結果為否，則返回到步驟(5)，繼續(xù)進行Phase2階段的系統(tǒng)目標識別；` (7)判斷Phase2階段系統(tǒng)識別的控制目標鍵是否為‘del如果判斷結果為是，直接返回到步驟(2)，重新進行Phasel階段的系統(tǒng)目標識別；反之結果為否，則采用Phase2階段識別得到的控制目標鍵的列坐標與Phasel階段得到的行坐標聯(lián)合定位出所選目標鍵，輸出控制命令。
2.根據(jù)權利要求1所述的基于狀態(tài)反饋的腦機通訊速率自適應控制方法，其特征在于，所述步驟(2)的具體步驟為: (2.1)系統(tǒng)呈現(xiàn)視覺刺激后，被試注視目標控制鍵；此時計算機對所采集的EEG信號按照SSVEP和SMR信道分別進行處理，并最終識別出SSVEP特征最大值，以及SSVEP與SMR的混合特征的最大值，及其坐標； (2.2)判斷SSVEP特征的最大值是否超過系統(tǒng)所設門限值；如果判斷結果為是，系統(tǒng)根據(jù)特征最大值的大小，改變其所對應目標鍵上符號的顏色；如果判斷結果為否，所有目標控制鍵符號的顏色不變，系統(tǒng)返回到步驟(2.1)； (2.3)被試者注視目標控制鍵的同時，如果目標控制鍵上的字符顏色發(fā)生改變，被試者增加右手運動想象任務；如果目標控制鍵上的字符顏色未發(fā)生改變，被試者增加左手運動想象任務；此時系統(tǒng)實時輸出混合特征最大值及其對應的坐標。
3.根據(jù)權利要求1所述的基于狀態(tài)反饋的腦機通訊速率自適應控制方法，其特征在于，所述步驟(2.1)中，先讀入EEG信號，然后對信號進行放大和Α/D轉換后，將其得到的信號按SSVEP信道和SMR信道兩組進行處理；具體如下: Ca)對屬于SSVEP信道的EEG信號的處理流程為:系統(tǒng)首先將所讀取的EEG信號采用頻率為4?35Hz的帶通濾波器進行帶通濾波；系統(tǒng)應用CCA方法計算預處理得到的EEG信號與各刺激頻率的相關性系數(shù)，將其作為各刺激頻率的特征值;接下來，將求得的特征向量最大值進行標準化處理，得到SSVEP特征最大值X，及其對應的坐標；對特征最大值進行標準化處理； (b)對屬于SMR信道的EEG信號的處理流程為:系統(tǒng)首先截取目標控制鍵開始變色的EEG數(shù)據(jù)，并采用頻率為8?30Hz的帶通濾波器進行帶通濾波；通過滑動窗截取SMR特征數(shù)據(jù)，生成樣本；應用CSP算法對樣本數(shù)據(jù)進行空域濾波；對特征提取后的樣本用SVM算法進行分類；對分類結果進行平滑，以及標準化處理后，得到SMR特征值Y ; (c)最后輸出SSVEP特征以及SSVEP和SMR混合特征最大值、及其坐標。
4.根據(jù)權利要求3所述的基于狀態(tài)反饋的腦機通訊速率自適應控制方法，其特征在于，所述SSVEP特征最大值的標準化的具體方法為:首先將由CCA算法求得的各頻率的特征 值按大小排列，則經(jīng)標準化后的特征最大值為
5.根據(jù)權利要求3所述的基于狀態(tài)反饋的腦機通訊速率自適應控制方法，其特征在于，所述SMR特征的分類結果平滑、標準化處理的具體方法為:首先將2秒內(nèi)的SVM的分類結果通過累積加和的方法進行平滑處理，得到I ;對平滑結果I進行了半異步式的標準化處理，則經(jīng)標準化后的SMR特征值為Y=y3。
6.根據(jù)權利要求3所述的基于狀態(tài)反饋的腦機通訊速率自適應控制方法，其特征在于，所述SSVEP和SMR混合特征最大值為:Z=X+w.Y，其中w由不同被試SMR特征的分類準確率決定。
【文檔編號】G06F3/01GK103440039SQ201310428115
【公開日】2013年12月11日 申請日期:2013年9月18日 優(yōu)先權日:2013年9月18日
【發(fā)明者】周宗潭, 印二威, 姜俊, 劉亞東, 胡德文 申請人:中國人民解放軍國防科學技術大學