[发明专利]基于视图编解码的脑控机械臂系统和控制方法

权利要求书

1.一种基于视图编解码脑控机械臂控制方法，其特征是，把脑-机接口与机械臂控制相结合，采用任务相关成分分析算法，解码混合脑电特征，实现对用户意图的识别，其中，通过将编码目标的二维拓扑信息映射为视图像素指令，从而进一步映射为智能机械臂的六维空间坐标，实现BCI信息输出方式由一维到二维，从而实现机械臂控制；二维拓扑信息映射为视图像素指令进一步地具体步骤如下：脑-机接口BCI刺激界面设置为由m行n列组成的像素矩阵块，每个像素块的中心称为端点，对需要编码的目标设置成由若干个目标端点组成的二维拓扑结构，通过对目标端点的识别顺序和端点之间连接关系的规定，实现对具有二维拓扑结构目标的编码和解码，即将编码目标的二维拓扑结构映射为视图像素指令，通过端点之间的连接，实现BCI输出二维信息，BCI每次对操控意图的识别，结果会先以视觉反馈的形式呈现在屏幕上，受试者可以根据反馈结果，在规定时间内通过动作取消本次指令输出，否则默认指令正确，并进行机械臂控制；其中，任务相关成分分析过程如下：采集记录的Nc个导联的脑电信号分别为x_j，j＝1,2,……,N_c所有试次trial间可能组合的总和为：

其中，cov(a,b)代表了a和b之间的协方差，N_trial代表了训练集的试次数量，h1和h2代表了训练集样本编号的索引,为了获得最终结果，对以下条件进行限定：

此时，寻找最佳投影方向的问题可以转化为以下的最优化问题：

拉格朗日求极值法可以有效的解决此优化问题，Q^-1S即为所求的最佳投影方向，所有目标刺激频率的投影方向可以按以下等式整合为：

其中，N_f是刺激频率的个数，测试集和个体平均模板之间的相关系数即决策值按以下等式计算：

将滤波器组和任务相关成分分析方法结合，对不同滤波频带下的脑电特征应用TRCA方法，分别得到各个通频带下的相关系数矩阵，依据公式(6)对相关系数矩阵进行加权融合，最终得到一系列决策值，挑选出其中最大的数值见公式(7)，其对应的位置即为靶目标，从而实现了识别分类目的；

其中，是在编号为m的滤波器通带下第k个目标的相关系数；M为所有目标指令个数：

τ_t＝arg maxρ_k,k∈[1,M] (7)

刺激界面2D坐标系到机械臂6D坐标系按以下步骤进行变换：

1)首先对机械臂子系统的操作平台进行标定，并记录操作平台左上角的6D位置坐标(X,Y,Z,RX,RY,RZ)；

2)由于视觉刺激界面为二维平面，且为m行*n列的像素块，所以界面水平轴记为X轴，向右为正方向，竖直轴记为Y，向下为正方向，界面左上角记为原点(0,0)，则右下角的坐标为(m-1,n-1)，对此界面坐标系进行归一化处理，右下角坐标变为(1,1)，对于界面上任意一点(x,y)，在坐标系归一化之后，变为

3)设机械臂子系统的操作平台长*宽为N*M，由归一化之后的坐标系映射到一个N*M的平面，即原界面任意一点(x,y)映射为

4)经过以上步骤的映射变换，刺激界面任意一点(x,y)，映射为机械臂子系统的6D位置坐标：其中RX,RY,RZ分别代表了机械臂在不同方向上的旋转角度，X,RX,RY,RZ在机械臂标定后为固定常数。

2.如权利要求1所述的基于视图编解码脑控机械臂控制方法，其特征是，采用基于滤波器组的集成任务相关成分分析TRCA(Task-related component analysis)对脑电特征信息的识别，滤波器组是通过设计不同的滤波频带，尽可能多的提取脑电信号中的有用信息，在第一个滤波器设计时，滤波通带应包含1-10赫兹的事件相关电位成分ERP(event-relatedpotential)。

3.如权利要求1所述的基于视图编解码脑控机械臂控制方法，其特征是，任务相关成分分析是根据受试者个体信息作为训练集，将训练集信号投射到不同的空间域内，以寻找到最佳投影方向，使得训练集不同样本间的协方差和最大，即训练集在该方向投影后具有最大的相关性,最后将测试信号在该方向投影后与训练集的数据计算相关系数，从而解码脑电信息得到决策值。

4.一种基于视图编解码的脑控机械臂系统，其特征是，包括：脑电采集器，脑电放大器，计算机，可编程控制的机械臂，脑电采集器采集的脑电信号经脑电放大器放大后，再经模数转换输入计算机，计算机根据收到的脑电信号对机械臂实施控制，其中，计算机中：脑-机接口BCI刺激界面设置为由m行n列组成的像素矩阵块，每个像素块的中心称为端点，对需要编码的目标设置成由若干个目标端点组成的二维拓扑结构，通过对目标端点的识别顺序和端点之间连接关系的规定，实现对具有二维拓扑结构目标的编码和解码，即将编码目标的二维拓扑结构映射为视图像素指令，通过端点之间的连接，实现BCI输出二维信息，BCI每次对操控意图的识别，结果会先以视觉反馈的形式呈现在屏幕上，受试者可以根据反馈结果，在规定时间内通过动作取消本次指令输出，否则默认指令正确，并进行机械臂控制；其中，把脑-机接口与机械臂控制相结合，采用任务相关成分分析算法，解码混合脑电特征，实现对用户意图的识别，其中，通过将编码目标的二维拓扑信息映射为视图像素指令，从而进一步映射为智能机械臂的六维空间坐标，实现BCI信息输出方式由一维到二维，从而实现机械臂控制；二维拓扑信息映射为视图像素指令进一步地具体步骤如下：脑-机接口BCI刺激界面设置为由m行n列组成的像素矩阵块，每个像素块的中心称为端点，对需要编码的目标设置成由若干个目标端点组成的二维拓扑结构，通过对目标端点的识别顺序和端点之间连接关系的规定，实现对具有二维拓扑结构目标的编码和解码，即将编码目标的二维拓扑结构映射为视图像素指令，通过端点之间的连接，实现BCI输出二维信息，BCI每次对操控意图的识别，结果会先以视觉反馈的形式呈现在屏幕上，受试者可以根据反馈结果，在规定时间内通过动作取消本次指令输出，否则默认指令正确，并进行机械臂控制；其中，任务相关成分分析过程如下：采集记录的Nc个导联的脑电信号分别为x_j，j＝1,2,……,N_c所有试次trial间可能组合的总和为：

其中，cov(a,b)代表了a和b之间的协方差，N_trial代表了训练集的试次数量，h1和h2代表了训练集样本编号的索引,为了获得最终结果，对以下条件进行限定：

此时，寻找最佳投影方向的问题可以转化为以下的最优化问题：

拉格朗日求极值法可以有效的解决此优化问题，Q^-1S即为所求的最佳投影方向，所有目标刺激频率的投影方向可以按以下等式整合为：

其中，N_f是刺激频率的个数，测试集和个体平均模板之间的相关系数即决策值按以下等式计算：

将滤波器组和任务相关成分分析方法结合，对不同滤波频带下的脑电特征应用TRCA方法，分别得到各个通频带下的相关系数矩阵，依据公式(6)对相关系数矩阵进行加权融合，最终得到一系列决策值，挑选出其中最大的数值见公式(7)，其对应的位置即为靶目标，从而实现了识别分类目的；

其中，是在编号为m的滤波器通带下第k个目标的相关系数；M为所有目标指令个数：

τ_t＝arg maxρ_k,k∈[1,M] (7)

刺激界面2D坐标系到机械臂6D坐标系按以下步骤进行变换：

1)首先对机械臂子系统的操作平台进行标定，并记录操作平台左上角的6D位置坐标(X,Y,Z,RX,RY,RZ)；

2)由于视觉刺激界面为二维平面，且为m行*n列的像素块，所以界面水平轴记为X轴，向右为正方向，竖直轴记为Y，向下为正方向，界面左上角记为原点(0,0)，则右下角的坐标为(m-1,n-1)，对此界面坐标系进行归一化处理，右下角坐标变为(1,1)，对于界面上任意一点(x,y)，在坐标系归一化之后，变为

3)设机械臂子系统的操作平台长*宽为N*M，由归一化之后的坐标系映射到一个N*M的平面，即原界面任意一点(x,y)映射为

4)经过以上步骤的映射变换，刺激界面任意一点(x,y)，映射为机械臂子系统的6D位置坐标：其中RX,RY,RZ分别代表了机械臂在不同方向上的旋转角度，X,RX,RY,RZ在机械臂标定后为固定常数。