[发明专利]一种基于模板匹配的自适应运动想象脑机接口方法与系统

说明书

本发明公开一种基于模板匹配的自适应运动想象脑机接口方法与系统，包括以下步骤：先基于运动想象的脑电信号预处理与特征提取及优化，再基于自适应规则的模板匹配分类模型设计；本发明在采集到脑电信号后，先对脑电信号进行预处理，再对脑电信号进行特征提取和优化，接下来利用训练数据，以及外界辅助信息，并融合自适应规则，获得不同运动想象信号的模板信息，进而建立基于模板匹配的脑电信号分类模型，识别运动想象意图，通过基于模板匹配的自适应规则建立运动想象脑电信号识别模型，从而使得运动想象脑机接口在长期使用中都能稳定识别运动想象意图，同时为上肢运动解码的研究提供了新的思路，为人机协同交互的进一步研究提供了基础。

技术领域

本发明涉及神经科学技术领域，尤其涉及一种基于模板匹配的自适应运动想象脑机接口方法与系统。

背景技术

运动意图解析是人机协同领域的一个重要研究内容，其中基于运动想象的脑机接口技术相较于其他方法，不需要外界的干扰刺激，能够更加自然的实现对人的运动意图解析，由于运动想象信号不依赖于实际的运动产生，基于运动想象的脑机接口技术能够更好的辅助无法运动的残障人士，同时由于大脑是人体的高级神经中枢，也是人体产生运动意图的起点，基于脑电皮层信号(EEG信号)解析人的运动意图具有速度快、可靠性高的优点，同时，通过EEG信号解析运动方向意图，有助于对大脑神经科学的进一步探索，帮助认识大脑活动与实际运动的神经联系。

目前，有很多基于EEG信号的运动想象解码的研究，2015年，Edelman和Baxter基于运动想象的BCI技术实现了对真实和虚拟设备的三维控制，2017年，Irimia和Cho研发了一套结合运动想象BCI技术、功能性电刺激和视觉反馈技术的感觉运动闭环治疗系统，用于中风后的康复训练，2019年，Korik等人通过解码运动想象EEG信号来在线控制两个3D虚拟手臂在空间中朝目标移动，取得了不错的分类效果。

然而在目前的运动意图解码的研究中，由于脑电信号的非稳态特性，基于运动想象的脑机接口在长期使用中，性能会产生明显的下降，在实际的人机交互系统中，使用者需要长期使用脑机接口系统，而在每次使用前对脑机接口系统进行训练会极大的增加设备的使用成本，所以，需要寻找一种能够自主适应人体脑电信号变化，维持脑机接口性能稳定的方法，因此，本发明提出一种基于模板匹配的自适应运动想象脑机接口方法与系统以解决现有技术中存在的问题。

发明内容

针对上述问题，本发明的目的在于提出一种基于模板匹配的自适应运动想象脑机接口方法与系统，该方法在采集到脑电信号后，先对脑电信号进行预处理，再对脑电信号进行特征提取和优化，接下来利用训练数据，以及外界辅助信息，并融合自适应规则，获得不同运动想象信号的模板信息，进而建立基于模板匹配的脑电信号分类模型，识别运动想象意图，通过基于模板匹配的自适应规则建立运动想象脑电信号识别模型，从而使得运动想象脑机接口在长期使用中都能稳定识别运动想象意图。

为了实现本发明的目的，本发明通过以下技术方案实现：一种基于模板匹配的自适应运动想象脑机接口方法与系统，包括以下步骤：

步骤一：基于运动想象的脑电信号预处理与特征提取及优化

先采集人脑指定电极位置的脑电信号，再将采集的脑电信号进行预处理，接着从预处理后的脑电信号中提取脑电信号特征信息，然后将提取的脑电信号特征信息进行优化；

步骤二：基于自适应规则的模板匹配分类模型设计

先获取外界辅助信息和识别模型识别结果，再根据优化后的脑电信号特征信息及外界辅助信息，自适应更新运动想象信号模板信息，然后根据模板信息建立基于模板匹配的运动想象信号分类模型。

进一步改进在于：所述步骤一中，所述预处理包括共空间模式滤波、基线修正、共平均参考和独立成分分析。

进一步改进在于：所述步骤一中，所述特征提取方法包括傅里叶变换和功率谱分析。