[发明专利]基于跨脑融合决策的多人运动想象识别方法及脑机系统

说明书

本发明公开了基于跨脑融合决策的多人运动想象识别方法及脑机系统。本发明基于跨脑融合决策的多人运动想象识别方法，具体如下：一：n个训练人员进行运动想象；二、对步骤一获得的脑电数据分别进行预处理，并打标签。三、将训练集中各训练人员的脑电数据进行融合，得到各运动想象任务对应的训练用融合脑电数据。四、用带有标签的训练用融合脑电数据对分类器进行训练。五、n个被测者想象同一个运动，在想象的同时采集各被测者的脑电信号，并进行预处理。之后，对n个被测者的脑电数据进行融合，测到跨脑融合脑电数据；将跨脑融合脑电数据导入训练好的分类器中进行分类判断，获取n个被测者想象的运动类别。

技术领域

本发明专利属于人工智能-模式识别-脑机接口领域，具体涉及一种基于跨脑融合决策的多人运动想象的在线脑机接口系统。

背景技术

脑机接口(Brain Computer Interface，BCI)被各国脑计划视为重要内容之一。BCI是指可以为人脑与外部环境之间建立起一种不依赖于外周神经或肌肉组织的新型信息交流方式的技术。其工作原理是通过采集人脑信号，对其进行模式识别，解析出大脑意图，再将其转化为外部指令，进而与外部设备/环境达到沟通交互。基于脑电信号(EEG)的脑机接口具有成本低、操作方便、非侵入等重要优点，是当前BCI主要方向。

BCI三大范式技术包括P300、运动想象和稳态视觉诱发。其中，运动想象是指没有实际的肢体行为，而是直接利用大脑意念想象肢体动作，进而转化为后续的实际操作。它是一种内源性自发脑电，与诱发脑电不同的是，其无需外界刺激，只需人进行想象运动，脑电波就呈现特异波形。因此，运动想象BCI的应用很广：对常见于老年人中的瘫痪、中风等疾病造成的肢体不便，其不仅能够帮助病患控制物体，实现自理；还可以作为一种康复理疗的手段，最大限度的帮助患者恢复自身的运动能力。但是当前的脑机接口系统存在以下三个缺陷：

(1)识别精度低；由于大脑中数百亿神经元的功能和机制并没有被足够的理解和挖掘，这使得BCI技术对于大脑信号的正确识别受到了制约。而且，脑信号受到来自环境和自身生理信号的多重干扰，使得与任务相关的信号难以被识别。

(2)稳定性弱；当前运动想象脑机接口主要依托于单人模式，系统的决策仅来源于单一个体，容易出现误判；同时，随着时间推进，用户的精神状态也容易发生变化，如存在疲惫、注意力不集中等问题。

(3)在线程度低；现有运动想象脑机接口，通常只进行离线数据分析，这将数据采集和算法分离，导致BCI研究仍停留在实验阶段。而实际的应用要求BCI必须是在线系统，提升大脑意图解码的实时性。

发明内容

本发明专利的目的在于克服现有技术的不足，提供一种基于跨脑融合决策的多人运动想象的在线脑机接口系统，该系统支持多人同时使用并提升在线决策的稳定性和识别精度。

本发明基于跨脑融合决策的多人运动想象识别方法，具体步骤如下：

步骤一：向n个训练人员提供多个运动想象任务，n≥2；该多个运动想象任务包含所有的m个任务类别，m≥2。在各训练人员进行运动想象的同时采集脑电信号，分别获得各训练人员在执行各个运动想象任务时的脑电信号。

步骤二、对步骤一获得的脑电数据分别进行预处理。并对脑电信号打上对应的运动想象任务标签，形成训练集。

步骤三、将训练集中各训练人员的脑电数据进行融合，得到各运动想象任务对应的训练用融合脑电数据。

步骤四、用带有标签的训练用融合脑电数据对分类器进行训练。

步骤五、n个被测者想象同一个运动，在想象的同时采集各被测者的脑电信号，并进行预处理。之后，对n个被测者的脑电数据进行融合，测到跨脑融合脑电数据；将跨脑融合脑电数据导入训练好的分类器中进行分类判断，获取n个被测者想象的运动类别。

作为优选，步骤三中，脑电数据的融合采用如下方法：将n个被测者的脑电数据取平均。