[发明专利]一种利用随机共振增强脑电信号的脑机接口方法

摘要

本发明公开一种利用随机共振增强脑电信号的脑机接口方法。该方法利用人脑感知过程中已发现的随机共振现象，通过随机共振调控皮层脑电同步化的方法，尝试从源头上改善脑电信号的信噪比、减少被试者差异性以及提高信号源的稳定性，给一条增强脑电信号源的新途径。本发明对感觉运动脑区电生理活动规律、感知觉与随机噪声的关系进行建模，构建一种基于经典脑机接口技术的脑电反馈调控模式，达到增强基于头皮脑电的脑电节律信号为特征的脑机接口技术效果的目的。

主权项

一种利用随机共振增强脑电信号的脑机接口方法，应用于以下运动感觉皮层区脑电信号的脑机接口系统，该系统包括脑电信号采集模块、脑电信号分析模块、模式识别模块、随机共振反演模块、人机交互模块、反馈调节模块；脑电信号采集模块的输出端与脑电信号分析模块的输入端信号连接；脑电信号分析模块的一个输出端与模式识别模块的输入端信号连接，另一个输出端与随机共振反演模块的输入端信号连接；模式识别模块的输出端与人机交互模块的输入端信号连接；随机共振反演模块的输出端与反馈调节模块的输入端信号连接；反馈调节模块的输出刺激信号作用于使用者；所述的脑电信号采集模块包括电极、阻抗匹配和保护电路、信号放大器、低通和带阻滤波器、模拟信号转数字信号单元以及控制和通信单元，用于采集脑电信号；所述的脑电信号分析模块是通过USB接口或串行接口RS‑232接收脑电信号采集模块输出的数字脑电信号，用于分析感觉运动皮层区脑电节律变化；所述的模式识别模块是对脑电信号分析模块输出的脑电信号进行数字滤波处理、特征抽取和模式判别；所述的随机共振反演模块是基于随机共振原理的智能推理算法模块，该模块为以软件形式运行于脑电信号分析模块中，或单独成为一个软硬件一体化的装置；该模块能够根据脑电信号分析模块输出的脑电信号节律特征反推出是大脑由外部刺激引起随机共振的最优模式，反演过程可由模糊推理、贝叶斯决策方法实现；所述的人机交互模块由计算机显示屏及其上显示的内容构成，它用来指示使用者完成左右手现象运动，并以带有指示特征的标识来呈现反馈结果；所述的反馈调节模块由声音发生单元、经皮电刺激、振动刺激之一的噪声能量激励源和功率驱动器构成，该模块在接收随机共振反演模块的输出信息后，把信息转化为各种输出信号进而刺激使用者相应的感觉通道；其特征在于该方法包括以下步骤：步骤(1)、按照10‑20脑电电极佩戴方式，选择使用者左、右脑区C3、C4作为记录区域；在记录区域中安放测量电极，并在单侧耳垂位置处安放参考电极，在头部前额处Fpz处安放地电极，然后将上述电极测得的脑电信号送入脑电信号采集模块，经放大和模数转换后送往脑电信号分析模块；所述的左、右脑区C3、C4即为头皮两侧运动皮层区域；步骤(2)、通过想象左手和想象右手运动，可在左、右脑区C3、C4出现去同步化引起的脑电能量变化；通过脑电信号分析模块分析感觉运动皮层区脑电节律变化，其中脑电节律包括Mu节律、Beta节律；步骤(3)、预先构建使用者的随机共振参数模型：所述的随机共振参数模型采用经典的Graz‑BCI运动想象实验范式构建，其中在确定随机共振模式后，通过多维拟合函数法，根据噪声值与上述步骤(2)得到的脑电节律信号变化值曲线拟合构成并建立个体化的随机共振多参数模型，使用求取极值的方法对其拟合函数求取最优刺激参数；步骤(4)、通过想象运动控制一维光标运动的两分类任务，想象运动可引起上述C3、C4脑区的脑电节律变化，在任务执行过程中存在两类反馈：一类为视觉反馈，用以指导使用者进行想象运动和控制光标移动；另一类为基于随机共振参数模型，由外部随机刺激调节的在线反馈；具体操作是：4.1视觉反馈任务执行过程：使用者注视人机交互界面上的视觉反馈提示，根据提示使用者会进行相应的想象运动，通过比较C3、C4脑区导联的脑电信号能量差控制人机交互界面上一维光标运动的两分类任务；4.2随机刺激调节的在线反馈：从随机电刺激/机械振动作为噪声源、跨感觉通路的听觉噪声、经皮电流前庭电刺激中选取一种随机共振模式作为输入刺激量，输入至预先构建好的相同随机共振模式的随机共振参数模型中，用以调控人脑皮层的脑电节律；4.3通过随机共振参数模型，形成了不同噪声强度值与脑电节律信号变化曲线的拟合函数，随机共振反演模块结合该拟合函数，对噪声值与脑电节律信号的对应关系通过模糊推理、贝叶斯决策方法来实现最优刺激的反演，得到相对应随机共振模式的最优刺激参数；4.4将步骤4.3得到的相对应随机共振模式的最优刺激参数输入到反馈调节模块，根据该随机共振模式的物理特性刺激使用者人体部位，使其产生一种噪声刺激能量实现对使用者的反馈刺激，进而调控大脑随机共振发生条件，改变脑电节律信号，从而达到对脑电信号源增强的目的；步骤(5)、使用者在获得脑电源信号的反馈调节下，按照脑电信号采集模块采集到的脑电信号，并通过脑电分析模块获得脑电节律特征，最后通过模式识别模块采用线性判别法获得识别结果，输出到人机交互界面。