[发明专利]一种基于动态停止策略结合集成学习检测运动意图的方法

说明书

本发明公开了一种基于动态停止策略结合集成学习检测运动意图的方法，包括以下步骤：离线建模阶段：对静息态数据和第一预运动态数据提取特征后建立线性判别分析模型，用于识别当前用户是否即将运动；对第二预运动态数据提取特征后，分别与运动态数据特征构建子分类器，用于检测运动的准确时刻；在线测试阶段：实时截取的数据提取特征后，送入LDA模型，输出决策值，如果决策值大于设定的阈值，则送入构建的子分类器中，利用投票策略，得票如果大于设定的阈值，则输出结果，反之则等待下一个数据特征的输入。本发明实现了在线的运动意图检测，可在控制系统计算成本的基础上，取得更优的检测结果。

技术领域

本发明涉及运动意图检测领域，尤其涉及一种基于动态停止策略结合集成学习检测运动意图的方法。

背景技术

脑-机接口(Brain-Computer Interface，BCI)是一种不依赖于大脑外围神经与肌肉正常输出通道的通讯控制系统。运动意图是人在准备执行或想象运动时调用大脑与运动相关认知资源所作出的控制外周神经与骨骼肌肉完成预期动作的指令决策。通俗的来讲，运动意图是人在运动开始之前大脑有关运动的思想准备，或者说是中央神经系统计划参与运动的初始思维状态。研究表明，可以通过分析脑电信号的相关特征检测运动意图。因此，运动意图可作为BCI的控制指令，对于肢体运动功能受损但是大脑功能活动正常的患者，可用于控制假肢辅助其运动，对于特殊场景下的健康使用者(如士兵)，可用于控制机械外骨骼，增强其运动能力。

运动皮质相关电位(Movement-related cortical potentials，MRCPs)是人体在执行提示性或自主性运动时调用大脑中与运动相关的认知资源时所产生的低频电位。MRCPs富含丰富的大脑运动意图信息，因此得到研究者们的广泛关注。MRCPs主要包括三个重要成分：(1)运动准备电位，一般产生于运动开始时刻前1～2s，表现为幅值平缓降低、随后剧烈降低的负值电位；(2)运动电位，通常出现在运动开始前150ms，紧随运动准备电位，一般表现为运动前负值电位的极小值；(3)运动检测电位：紧随运动电位，持续至运动后的1s或更长，是一个正负值交替变化的复杂皮层电位。

许多研究者们设计实验，通过分析MRCPs进行运动意图检测。然而目前的相关研究成果并不理想，仍不能满足实际生活中控制BCI使用。随着特征提取、机器学习算法的逐步发展，使得高准确率的运动意图检测成为可能。

集成学习通过将多个学习器进行结合，通常可获得比单一学习器显著优越的泛化能力。然而集成学习算法的计算成本较高，需要高性能的硬件平台。

发明内容

本发明提供了一种基于动态停止策略结合集成学习检测运动意图的方法，本发明实现了在线的运动意图检测，可在控制系统计算成本的基础上，取得更优的检测结果，详见下文描述：

一种基于动态停止策略结合集成学习检测运动意图的方法，所述方法包括以下步骤：

一、离线建模阶段：

采集受试者自主按键200次的样本，以按键时刻为0时刻，以1s为窗宽，随机截取按键前数据中心与按键时刻的时间间隔不小于150ms的数据为静息态数据，随机截取按键前数据中心与按键时刻的时间间隔不大于150ms的数据为第一预运动态数据；

对静息态数据和第一预运动态数据提取特征后建立线性判别分析模型，用于识别当前用户是否即将运动；

截取-500ms～500s的数据为运动态数据，截取按键前后某一时刻的数据为第二预运动态数据；

对第二预运动态数据提取特征后，分别与运动态数据特征构建子分类器，用于检测运动的准确时刻；

二、在线测试阶段：

实时截取的数据提取特征后，送入LDA模型，输出决策值，如果决策值大于设定的阈值，则送入构建的子分类器中，利用投票策略，得票如果大于设定的阈值，则输出结果，反之则等待下一个数据特征的输入。