[发明专利]利用眼电和脑电信息的电动假手控制方法

说明书

技术领域

本发明属于信息和控制技术领域，涉及到一种利用眼电信号中所包含的有 用信息，增强运动想象脑电信号特征，改善运动想象模式下基于脑电信号的肢 体动作识别效果的技术，具体是一种利用眼电和脑电信号作为电动假手的控制 信息源，通过对含眼电信息的脑电信号进行提取、分析，识别得到假手动作的 多个模式，进而实现假手多自由度的实时控制。

背景技术

眼电信号(electro-oculogram，EOG)是一种伴随眼球运动产生的生物电 信号。眼球是一个双极性的球体，角膜区呈现正极性，视网膜区呈现负极性， 两者之间的电位差在头的前部形成一个电场。当眼球转动时，该电场的空间方 位发生变化。电性的变化能够被眼睛附近放置的电极，包括头皮脑电电极检测 到。针对眼电的电极检测到的电压信号就是眼电信号。眼球在垂直方向或水平 方向的运动都可被相应的眼电信号记录。眨眼动作会引起眼周围电位的变化， 因而也会产生相应的眼电信号。

脑电信号(electroencephalogram，EEG)是由大脑皮层神经细胞群突触传 递信号而引起的电位变化，可以反映大脑自主或诱发的意识活动，与实际的动 作行为密切相关。目前，采用脑电信号作为假肢的控制信息源是脑机交互(brain computer interface，BCI)领域的一个热点研究问题，即通过对残疾人在进行 肢体运动想象时发出的脑电信号进行分析处理，识别出残疾人要实现的肢体运 动模式，据此产生驱动假肢动作的相应控制信号。

对脑电信号的采集有侵入式(invasive)和非侵入式(non-invasive)两种， 侵入式脑电信号采集使用植入式电极，非侵入式则采用头皮电极。侵入式脑电 信号采集方法是通过显微外科手术将微电极植入颅腔内测量脑电信号的一种方 法，定位性好，信噪比高，但存在一系列的技术困难及较大的临床风险。目前 已有研究成果证明采用头皮脑电信号作为假肢控制信息源的可行性，但由于该 类信号不是在脑神经元上直接提取，而是从头皮上提取，信号微弱，且噪声大， 信噪比很低，应用它进行肢体运动想象模式识别非常困难。

在头皮脑电信号采集过程中，由眼动引起的眼电信号，一部分会沿颅骨传 播，与脑电信号产生融合，使脑电信号特征发生改变。在传统的信号处理过程 中，眼电信号通常被作为主要的干扰信号加以滤除，故被称作“眼电伪迹”。但 人类从周围环境中所获得的绝大部分信息来自于视觉，视网膜接收到外界信息， 经视觉通路传到神经中枢，外部刺激引发大脑的思维活动。特别值得注意的是 人们在进行手部运动的过程中，往往需要脑、眼、手的协调配合，会自然而然 地伴随一些眼部运动。例如人们想要抓取某一目标物时，眼睛也会自然转向该 目标物。此时眼动引起的眼电信号包含了手的运动信息，该眼电信号与同一运 动想象过程产生的脑电信号在颅骨处发生自然融合。眼电信号包含的手部运动 信息，使脑电信号包含的手部运动信息得到增强，信号特征得到强化。

从以上分析得知，眼睛的运动与人脑的活动有着密切的关系，因而眼电和 脑电信号在生理上紧密相关。排除眼电伪迹的脑电分析尽管具有很高的学术研 究价值，但在一些具体的实际应用场合，如脑电控制假手的脑机交互系统，没 有必要刻意追求将眼电伪迹滤除，甚至可以将眼电信息加以利用，采用眼、脑 协调的肢体运动想象方式，利用眼电信号使运动想象脑电信号特征得到强化， 以期取得更好的识别效果。

独立成份分析(Independent Component Analysis，ICA)作为一种近年来 兴起的信源分解技术，在脑电信号处、语音识别、通讯、图像处理等领域得到 了较为广泛的应用。ICA算法的基本思路是在混合矩阵和源信号未知的情况下， 利用源信号间统计独立这一假设，通过优化算法寻找一个线性变换矩阵对观测 信号进行线性变换，得到输出向量，使之尽可能地逼近源信号，成为对源信号 的一个估计。独立成份分析算法很多，但绝大多数方法需分离的独立成份数目 与检测到的混合信号数目相同，混合信号中无论是需要的信号成份还是各种干 扰信号成份都将被抽取出来，且信号成份排列顺序不确定。提取所需的信号成 份，还需大量的后置处理。所以传统的独立成份分析方法在提取含眼电信息脑 电信号这类高维应用中，将包含大量的冗余计算，耗费了大量资源、降低了信 号恢复的质量，远不能满足电动假手实时处理的要求。