[发明专利]基于眼电开关的脑电生物反馈系统

权利要求书

1.基于眼电开关的脑电生物反馈系统，其特征在于：包括有基于眼电EOG的异步开关模块、脑电信号采集模块、脑电信号特征提取与分类模块和基于虚拟现实技术的反馈模块；其中：

所述基于眼电EOG的异步开关模块，包括四部分内容：眼电数据采集、图形用户界面GUI、检测算法训练，校准即阈值计算；所述眼电数据采集是用一个单极电极“A”采集垂直EOG信号，参考电极“REF”置于右侧乳突，接地电极“GND”置于额头，所有电极的阻抗保持在5kΩ以下，采样率为250-1000Hz；所述图形用户界面GUI由一个按键组成，该按键按照n秒闪烁一次，n为0-5之间的任意数值，每次闪烁持续100-300毫秒，按键的闪烁目的是给受试者提供眨眼的时间标记，受试者能够通过执行与按键的闪烁同步的眨眼来发出开/关命令，受试者处于控制状态时代表受试者希望发出开/关命令，否则，认为受试者处于空闲状态；所述检测算法训练是在发送开/关命令时，受试者需要根据开关键的闪烁进行同步眨眼，异步开关模块自动记录单通道的EOG信号，每次按键闪烁后异步开关模块会执行一次在线检测，如果测到与按键闪烁相对应的主动眨眼，则认为受试者处于控制状态，异步开关模块自动发出一个开/关命令；如果没有检测到主动眨眼，按键将继续闪烁，异步开关模块自动执行下一次的检测，每次检测的数据分析包括三个步骤：特征提取、波形检测和决策，每个步骤的详细信息描述为：①特征提取，每次检测时都会提取一个与按键闪烁相对应的特征向量，具体地，先为按键闪烁提取一段EOG信号，在闪烁发生后100-500ms，然后对提取的EOG信号进行0.1-30Hz的带通滤波，以消除基线漂移和高频噪声，最后，使用以下一阶差分方法获得特征向量：

x′_t＝x_t-x_t-1 (1)

其中，x′_t是对应第t个采样点差分后的值，x_t与x_t-1是信号的采样值，所提取的特征向量表示为F；②波形检测，对提取的在线特征向量F进行波形检测，在眨眼EOG的差分波形中存在明显的峰谷特性，且波谷出现在波峰之后，波形检测时，先在特征向量F中找到波峰波谷的位置，将波形的极值点中数值最大的视为波峰t_peak，数值最小的视为波谷t_valley，然后，为每个特征向量F按以下方法计算两个值，即d和e：

其中，d和e分别表示波峰波谷之间的间隔时间和累积能量，最后，根据预先设定的两个时间阈值D_min、D_max和一个能量阈值E完成波形检测，如下式(3)所示；

其中，b是特征向量F的波形检测结果，b＝1表示检测到了主动眨眼，b＝0表示没有检测到主动眨眼，式(3)中的阈值D_min、D_max和E会在一个校准过程定中确定；③决策，检测算法直接根据波形检测的结果作出判断，具体地，若b＝1，则认为检测到一次控制状态，异步开关模块发出相应的开关命令，当前检测完成且异步开关模块继续执行下一次检测；否则，异步开关模块认为当前受试者处于空闲状态，不发出任何控制命令，继续执行下一次检测；所述校准是在每个受试者参加实验之前，将通过一个校准过程为其确定三个阈值D_min、D_max和E，首先，利用GUI收集训练数据集，该数据集包含N次按键闪烁，N＝1，2，3，4…100，受试者需根据按键的闪烁进行同步眨眼，针对收集到的EOG信号，用上述检测算法训练中介绍过的方法为每次按键闪烁提取一个特征向量，最后得到N个特征向量用于确定上述阈值，根据训练数据集中获得的N个特征向量，按照公式(3)分别计算出N个d和e，而后采用Pauta准则，也称为3σ准则，消除异常值，具体做法为：将大于μ+3σ或小于μ-3σ的值删除，其中μ和σ分别表示所有数值的期望和标准差，最后，对剩余的d和e分别进行由大到小的排序，在排好序的所有e中选择前98％中的最小值作为能量阈值E，类似地，在排好序的所有d中选择前98％中的最小值作为时间阈值D_min，选择前2％中的最小值作为时间阈值D_max；

所述脑电信号采集模块，采用16-32通道的EEG电极帽来记录头皮脑电信号，所有通道的脑电信号均以右耳突为参照，其中“HEOGR”“HEOGL”与“VEOGR”“VEOGL”两对通道用来记录眼球运动用于实现眼电异步开关；脑电采集过程中，所有电极的阻抗值皆为5KΩ以下，脑电信号以250-1000Hz的频率采样，并在0.1至100Hz的范围内进行带通滤波；

所述脑电信号特征提取与分类模块，用于实现脑电成分中的α节律、β节律、θ节律和δ节律特征的提取，并根据各节律之间的功率比值进行分类，给出对应的脑电活动模式，以输出不同的视听觉反馈给受试者；脑电信号是一种随机性很强的非平稳信号，根据脑电信号的频率、振幅和生理特征分为四种基本节律：α节律频率为8-13Hz，振幅20～100μV，正常安静、清醒闭目时出现，睁开眼睛或接受其它刺激时，立即消失而呈现快波；β节律频率为14-30Hz，振幅5～20μV，睁眼视物，或突然听到音响，或思考问题时出现此波，通常认为β波是大脑皮层兴奋的表现；θ节律的频率为4-7Hz，振幅100～150μV，在困倦、缺氧或深度麻醉时出现；δ节律频率为0.5-3Hz，振幅20～200μV，成人睡眠时出现，清醒时无此波，在深度麻醉或缺氧时亦出现；目前公认的分析方法普遍都是建立在假设脑电图是准平稳信号的基础上，即：认为它能够分为若干段，每一段的过程平稳，将实时脑电信号以i秒分段，i＝1，2，…5，利用FFT对每一段提取脑电特征成份，同时计算三个参数α/β、θ/β、δ/β，即α、θ、δ节律与β节律的功率比值，由于信号的功率与其电压的平方成正比，因此特征参数分别为：设定比较阈值，单个特征参数大于阈值时，表示大脑的一种活动模式，单个特征参数小于阈值时，表示大脑的第二种活动模式，阈值的设定需要根据受试者在平静放松状态下的特征参数值进行设定，根据阈值对脑电活动模式进行分类，并将这些脑电信号处理后的信息以视觉或听觉的形式反馈给受试者，促使受试者有意识地控制自身的思维状态；

所述基于虚拟现实技术的反馈模块，采用Microsoft Visual C++软件结合开源三维图像引擎OpenSceneGraph编写程序，设计沉浸式交互式良好的用户交互界面，同时调用特征提取、分类的算法程序对在线实验段的数据结果实时输出三维的反馈结果，在线实验段的反馈将以各类三维游戏形式呈现给受试者。