[发明专利]被试用户训练状态识别方法、基于BCI的康复训练方法

说明书

本发明涉及一种被试用户训练状态识别方法、基于BCI的康复训练方法。本发明所采用的技术方案是：一种被试用户训练状态识别方法，其特征在于：S1、实时获取用户脑电数据；S2、基于用户实时脑电数据计算实时特征参数；S3、根据实时特征参数和该用户相应个性化模型中的判别特征参数识别用户的训练状态，所述个性化模型中的判别特征参数基于该用户预先进行多状态范式训练时的脑电数据确定。一种被试用户训练状态识别装置，其特征在于：数据获取模块，用于实时获取用户脑电数据；实时特征计算模块，用于基于用户实时脑电数据计算实时特征参数；状态识别模块，用于根据实时特征参数和该用户相应个性化模型中的判别特征参数识别用户的训练状态。

技术领域

本发明涉及一种被试用户训练状态识别方法、基于BCI的康复训练方法。适用于脑机接口技术领域。

背景技术

脑机接口(Brain-computer interface,BCI)技术可以为健康或者有残疾的人员提供一种人脑与外部的通信通道。从人脑的神经信号中检测运动意图，结合相应的辅助技术，可以应用于神经康复等功能性训练之中。在训练过程中，为了使得受试人员的运动意图或运动指令与康复系统生成运动反馈之间具有较强因果关系，需要确保检测和解码的运动意图脑电信号的有效性。

目前BCI技术中，可以用于检测受试人员运动意图的相关皮层脑电信号主要有两种：感觉运动节律(Sellsorimotor Rhythm,SMR)和运动相关皮层电位(Movement-relatedCortical Potential,MRCP)。

基于SMR的康复系统可以确保较好的检测精度，但在运动或运动意图反馈过程中有相对较长的延迟。

MRCP是脑电图信号中的一个低频成分(0.05-3Hz)，在被试人员在运动开始前1秒左右，MRCP脑电信号出现负偏转，这种变化与被试人员运动准备有关；在负偏转脑电信号能量达到极点后会出现反弹，这种变化与被试人员的运动执行有关。同时，相较于SMR，MRCP的检测可以在很短的潜伏期内(不超过300毫秒)完成，被试在感受基于MRCP的运动反馈中不会感受到较长的延迟。

脑电信号质量是决定BCI算法最终性能的关键因素，但由于该信号极为微弱，因此在信号采集的过程中很容易受到各种噪声的干扰。通常脑电信号的噪声主要来自两个方面，一是由被试者内除大脑以外的其他器官活动产生(如身体剧烈抖动产生的肌电与电极滑移伪影)；二是由外部环境干扰产生(如其他电器设备产生的工频干扰)。

在MRCP数据采集的过程中，如果被试没有专注的进行训练，身体活动较大，很容易影响到整体系统的准确性和训练成果。目前关于MRCP的算法和反馈系统中，很少注重MRCP的内在结构特征、个体间脑电信号特征差异和个体针对性的训练，从而导致部分被试的体验感和康复效果变差。

发明内容

本发明要解决的技术问题是：针对上述存在的问题，提供一种被试用户训练状态识别方法、基于BCI的康复训练方法。

本发明所采用的技术方案是：一种被试用户训练状态识别方法，其特征在于：

S1、实时获取用户脑电数据；

S2、基于用户实时脑电数据计算实时特征参数；

S3、根据实时特征参数和该用户相应个性化模型中的判别特征参数识别用户的训练状态，所述个性化模型中的判别特征参数基于该用户预先进行多状态范式训练时的脑电数据确定；

所述实时特征参数和判别特征参数均包括基于Delta频段脑电数据上一定长度时间窗口中每个数据点平方的均值确定的特征参数、基于Alpha和Beta频段脑电数据上一定长度时间窗口中每个数据点平方的均值之间的比值确定的特征参数、基于Delta频段脑电数据中相邻两个驻点之间的距离确定的特征参数，以及基于Delta频段脑电数据中相邻两个驻点区间数据与X轴围成的面积确定的特征参数。