[发明专利]基于复杂对象控制的高唤醒度的脑电意图辨析方法

权利要求书

1.一种基于复杂对象控制的高唤醒度的脑电意图辨析方法，其特征在于，所述方法包括以下具体步骤：

步骤1：设计应用于脑-机接口实验的控制复杂有约束对象的新范式，包括以下具体步骤：

步骤11：模拟人们在保证水无溢出的情况下水平移动水杯这一任务场景，抽象化出概念模型；

复杂有约束控制对象的现实原型确定和杯-球系统概念化分析:复杂有约束控制对象的杯-球系统的数学模型是模拟人们在保证水无溢出的情况下水平移动水杯这一任务场景，抽象化的概念模型，杯-球系统是一个典型的有约束的复杂随动系统，具有不稳定、非线性、强耦合特性，当杯水平受力时，球和杯共同运动，球在杯中振荡；所述杯-球系统模型是模拟人们在保证水无溢出的情况下水平移动水杯这一任务场景，所抽象出来的概念化被控模型；所涉及的复杂对象控制的高唤醒度的脑电是指收集受试者在操纵虚拟的基于复杂有约束对象控制的任务时的脑电，由于该任务是模拟人们在保证水无溢出的情况下水平移动水杯这一任务场景，控制抽象化的被控对象的虚拟任务，因此获得的脑电的唤醒度高；

步骤12：完成脑控系统在线应用阶段所需要的虚拟任务界面的编程，呈现抽象化被控对象杯-球系统的虚拟任务场景；

对抽象化出的被控对象杯-球系统的虚拟任务场景进行编程，根据建立描述动态运动的数学模型，利用Matlab中提供的心理学实验编制函数库PsychToolbox对此任务的呈现进行实现，完成脑控系统在线应用阶段所需要的虚拟任务界面的编程；受试者向所述杯-球系统施加力后，杯-球系统的移动；

步骤2：获取多通道运动想象脑电信号样本数据，并对信号进行预处理，包括如下具体步骤：

步骤21：搭建脑电信号采集装置；

步骤22：受试者控制操纵虚拟的“杯-球系统”，通过脑电采集设备收集受试者在完成虚拟任务时的脑电，得到多通道运动想象脑电信号数据、存储脑电数据并进行相应的预处理；

所述受试者控制操纵虚拟的“杯-球系统”需要完成虚拟呈现的边界回避任务，所述边界回避任务包括以下内容：受试者需在规定的边框范围内操纵虚拟的盛有小球的杯，所述杯的初始位置在所述边框左侧A位置，若所述杯从所述边框右侧B位置超出所述边框范围，并且整个过程所述球未溢出所述杯则任务成功；若所述杯从所述边框左侧A位置超出所述边框范围，或者在这个过程中所述球从所述杯中溢出，则任务失败；

利用Emotiv头盔采集受试者在虚拟环境中操纵复杂约束对象控制系统时诱发的脑电信号，得到多通道运动想象脑电信号数据；

所述Emotiv头盔采集受试者14导脑电信号，其电极分布采用10-20国际标准导联定位，采样频率为128Hz；

所述脑电采集设备提取的脑电信号是受试者按下按键前1000毫秒和按下按键后1000毫秒的信号;

步骤23：通过脑电采集设备得到经过放大的脑电信号，并使用滤波器对信号进行预处理；

步骤3：利用共空间模式算法对获得脑电信号进行特征提取，包括如下具体步骤：

步骤31：假设X₁和X₂分别为两分类想象运动任务下的多通道诱发信号矩阵，维数为M*N，M为脑电数据的通道数，N代表每次实验的数据点数；

步骤32：计算每一类样本的归一化协方差矩阵C₁和C₂，由归一化的协方差矩阵分解得到投影矩阵W，(C₁+C₂)^-1C₁＝WDW^-1，其中W是特征向量构成的矩阵，D是由特征值组成的对角阵；

步骤33：将样本X向投影方向进行投影，得到滤波信号Z＝WX，信号提取的特征向量表示为：

其中，y_i为第i个样本归一化后的特征矩阵，选取m行和后m行数据作为CSP特征提取的特征矩阵，得到的向量Y就是提取出的样本特征；

步骤4：脑电信号识别及系统评估；

步骤41：利用Fisher比例分类算法为所述步骤3得到的脑电信号特征构建最佳分类器，利用得到的所述最佳分类器对新的脑电特征进行分类；

步骤42：根据Fisher比例J(w)＝w^TS_bw/w^TS_ww得到最佳投影方向w，其中类内散度矩阵为类间散度矩阵S_b＝(μ₁-μ₂)(μ₁-μ₂)^T，μ₁和μ₂为每类样本的均值向量；

步骤43：将所述样本向w方向投影得到y＝w^TX；

步骤44：与最近均值分类器、加权最近均值分类器在相同数据集实验下测试准确率进行比较，对系统进行评估。