[发明专利]一种基于脑机接口的上肢康复训练机器人控制系统及方法

权利要求书

1.一种基于脑机接口的上肢康复训练机器人控制系统，其特征是，包括视觉刺激模块和脑电信号采集模块，所述脑电信号采集模块与脑电信号分析模块通信，脑电信号分析模块在线分析处理后将控制信号发送给上肢外骨骼控制系统，所述视觉刺激模块通过协议与上肢外骨骼控制系统通信；

由稳态视觉诱发电位控制上肢外骨骼的启、停，由运动想象控制上肢外骨骼上臂旋转与肘部屈伸，具体地：先对采集到的脑电信号进行分析判断信号与参考信号的相关系数是否小于阈值；若小于阈值，进入运动想象信号分析得出指令来控制上肢外骨骼，通过想左或者想右产生不同的脑电信号，然后通过信号分析产生控制信号进而控制上肢外骨骼的不同动作；若大于阈值则判为信号进行SSVEP信号分析控制上肢外骨骼的启、停；其中，将CCA算法应用于SSVEP信号的分析，X被设定为一组多通道脑电信号，Y被设定为一组参考信号；对两个多维信号X,Y来说，CCA方法试图找到一组矢量W_X,W_Y，这一组矢量可以使向量x,y之间的相关系数达到最大，其中x＝X^TW_X，y＝Y^TW_Y，计算方法如下式所示：

对W_x,W_y，求得最大的ρ，即是得到了最大的典型相关系数；

所述脑电信号分析模块在线分析处理，包括：对采集到的脑电信号进行SSVEP信号分析；对SSVEP信号进行2H_Z到40H_Z的带通滤波，消除高频及工频干扰；滤波算法采用5阶Butterworth滤波器；

运动想象信号分析包括：

预处理，对数据进行滤波；

特征提取，对运动想象数据进行4层小波包变换；采用Shannon熵作为标准采用小波包熵对给定的脑电信号进行信息相关性能描述；小波提取的特征系数作为CSP的输入；利用CSP算法，提取想象左和想象右的特征向量；

特征分类，利用支持向量机进行特征分类；

所述上肢外骨骼控制系统以TRIO MC464为主控单元，通过以太网接口和上位机连接。

2.如权利要求1所述一种基于脑机接口的上肢康复训练机器人控制系统，其特征是，所述脑电信号采集模块采集到的脑电信号通过WiFi传输到脑电信号分析模块；脑电信号分析模块在线分析处理后将控制信号通过WiFi发送给上肢外骨骼控制系统。

3.如权利要求1所述一种基于脑机接口的上肢康复训练机器人控制系统，其特征是，所述视觉刺激模块利用Matlab的Psychtoolbox工具箱实现。

4.如权利要求1-3任意一项所述一种基于脑机接口的上肢康复训练机器人控制系统，其特征是，所述视觉刺激模块采用刷新率60帧/秒的液晶显示器,分辨率设置为1366×768像素；

刺激目标由大小为150×150像素的2个方块组成，刺激目标的频率分别设为8Hz与12Hz；刺激目标为两个方块，下方对应的是与运动想象有关的两个方块，分别显示左右，左为用户想象左手运动，右为用户想象右手运动。

5.采用权利要求1所述一种基于脑机接口的上肢康复训练机器人控制系统的控制方法，其特征是，包括：

视觉刺激模块中的频闪开启，系统采集脑电数据进行分析控制上肢外骨骼是否开启；

若启动了上肢外骨骼，先对采集到的脑电信号进行分析判断信号与参考信号的相关系数是否小于阈值；

若小于阈值，进入运动想象信号分析得出指令来控制上肢外骨骼，通过想左或者想右产生不同的脑电信号，然后通过信号分析产生控制信号进而控制上肢外骨骼的不同动作；

若大于阈值则判为信号进行SSVEP信号分析控制上肢外骨骼的启、停。

6.如权利要求5所述的控制方法，其特征是，若启动了上肢外骨骼，对采集到的脑电信号进行SSVEP信号分析。

7.如权利要求6所述的控制方法，其特征是，对SSVEP信号进行2H_Z到40H_Z的带通滤波，消除高频及工频干扰；滤波算法采用5阶Butterworth滤波器。