[发明专利]计算机实现的方法、数据处理装置、非侵入性脑电接口系统和非暂时性计算机可读介质

说明书

用于从生物电势信号获得连续信号的计算机实现的方法，包括：由计算机通过使用统计相关性分析算法从生物电势信号分离混杂分量以获得去噪的神经信号；以及由计算机从去噪的神经信号解码连续信号。

技术领域

本公开涉及计算机实现的方法、数据处理装置、非侵入性脑机接口系统和非暂时性计算机可读介质。

背景技术

大多数当前人机界面(Human-Machine-Interface，HMI)依赖于用于输入人类命令的运动动作。甚至用于语音输入的指令的发声实际上需要在咽喉、下颚和嘴部肌肉的水平处的这种运动动作。然而，触发那些运动动作的大脑活动与实际运动动作之间的神经传递延迟引入了不是非显著的时滞，这在一些应用(诸如，例如驾驶车辆)中可能是关键的。在其他应用中，诸如控制假体装置，HMI实际上旨在替代神经与肌肉之间的连接，并且因此也将从直接大脑输入受益。

为了获得具有来自预期和/或替代实际运动动作的大脑活动的直接输入的HMI，即，所谓的脑机接口(Brain-Machine-Interface，BMI)，已经提出从脑电图(electroencephalographic，EEG)信号解码运动动作。例如，欧洲专利申请公开EP 3 556429 A1、美国专利US 9,824,607 B1、以及国际专利申请公开WO 2015/003118 A1中已经提出了从EEG信号基于分类解码运动动作。然而，这种基于分类的解码提供离散输出，而连续输出对于任务(诸如，例如车辆转向)可以是有利的。

例如在美国专利申请公开US 2014/0058528 A1中提出的另一解决方案是从当用户想象执行运动任务时记录的数据来拟合用于2D/3D运动学的解码器。然而，基于想象任务的解决方案具有显著的缺点。例如，它们可能不能够预期运动动作。此外，在EEG信号中的混杂非大脑分量代表用于拟合在没有预训练的情况下甚至可应用于例如受损用户的广义解码模型的障碍。

发明内容

本公开的第一目的是提供用于从生物电势信号可靠地获得连续信号的计算机实现的方法。

根据本公开的第一方面，这可以包括由计算机通过使用统计相关性分析算法从生物电势信号分离混杂分量以获得去噪的神经信号，以及由该计算机从去噪的神经信号解码连续信号。统计相关性分析算法可以是典型相关性分析(Canonical CorrelationAnalysis)算法。

通过从生物电势信号识别和去除混杂分量，能够获得去噪的神经信号，该去噪的神经信号可以与连续信号更可靠地相关，即使具有允许短期预测连续信号的预期时移。

该连续信号可以具体是连续运动动作命令信号，即，与用户的意图运动动作有关的命令信号。替代性地，然而，它们可以是可能嵌入在生物电势信号内的任何其他种类的连续信号，诸如，例如与注意力或舒适水平有关的脑源信号。

可以使用基于生物电势信号和相关的运动、视觉、声学或其他生物电势数据的现有数据集的模型来执行该统计相关性算法。相关的运动数据可以包括EMG数据、运动传感器数据或视觉运动捕获数据。除了EMG数据之外，生物电势信号或相关的其他生物电势数据可以包括EEG、皮肤电导率响应(skin conductivity response，SCR)或心电图(electrocardiographic，ECG)数据。

可以使用多线性回归(Multiple Linear Regression)模型从去噪的神经信号解码连续信号，该多线性回归模型可以具体地使在预期时间窗内连续信号与去噪的神经信号相关，以便从当前去噪的神经信号获得连续信号的短期预测。

该计算机实现的方法可以包括在分离生物电势信号的混杂分量之前对生物电势信号进行滤波。

该计算机实现的方法还可以包括使用连续信号作为命令信号来操作机器，诸如，例如车辆(包括诸如轮椅的个人移动装置)、机械臂(robotic manipulator)、假体装置或康复装置。人类用户因此可以通过生物电势信号输出连续命令以操作机器。