[发明专利]一种闭环认知反馈形式的脑电神经反馈系统

权利要求书

1.一种闭环认知反馈形式的脑电神经反馈系统，其特征在于，包括脑电采集模块、脑电分析模块和反馈模块；

脑电采集模块用于采集受试者在相应认知实验任务下的头皮脑电信号；

脑电分析模块用于对采集的脑电信号进行预处理，并针对的提取认知活动信号特征，并利用机器学习模型建立相关特征脑活动信号与认知心理行为之间的关系，并建立相应的预测模型；其中，认知活动信号特征至少包括脑电的特定导联下的事件相关电位幅度信息，事件相关频率的能量信息和事件相关频率的相位信息；

反馈模块用于通过脑电分析模块建立的预测模型，对受试者采集的脑电信号进行相应认知状态的预测，然后将预测的值转换为相应等级的刺激类型并呈现给受试者，通过将该刺激类型再次作为刺激源刺激激活相应的脑活动信号，形成闭环反馈。

2.根据权利要求1所述的闭环认知反馈形式的脑电神经反馈系统，其特征在于，所述学习模型建立的过程为：基于采集到的脑电信号，提取相应认知任务试验下的脑电时域和频域特征并输入至分类器，通过小波分析算法得到时频率的能量特征，选取最终特征并通过基于簇的统计检验形成时间信息和导联信息的时空簇特征基于形成的电压和能量簇特征，将个簇中的信息平均，得到代表每个簇的电压和能量特征值，这些值将被融合在一起放入线性软间隔的支持向量机分类器中。

3.根据权利要求1所述的闭环认知反馈形式的脑电神经反馈系统，其特征在于，所述脑电采集模块在信号采集过程中，首先将信号分为特异性认知事物、中性认知事物和无关认知事物；然后将同类型事物中不符合范围要求的事物进行剔除。

4.根据权利要求2或3所述的闭环认知反馈形式的脑电神经反馈系统，其特征在于，所述脑电分析模块预处理过程包括高斯滤波、数据分段、伪影矫正和去除，脑电信号经预处理后得到刺激认知任务的脑电信号特征，然后将得到的电压簇和能量簇的特征的平均信号放入线性软间隔的向量机分类器中，通过向量机模型建立特异性认知事物的特异性程度与心理上相应认知程度的对应关系，得到此种多变量脑模式的数学模型。

5.根据权利要求4所述的闭环认知反馈形式的脑电神经反馈系统，其特征在于，所述脑电信号特征包括时域的电压信息、频域的能量信息和空间域。

6.根据权利要求5所述的闭环认知反馈形式的脑电神经反馈系统，其特征在于，所述闭环反馈过程包括：首先通过经多变量脑模式的数学模型得到受试者的大脑活动状态和特异性认知脑状态的吻合概率值，然后受试者通过得知自身脑活动信号与吻合概率值来调节自身特异性状态的实时脑电信号，再将实时脑电信号投入到下一轮脑电信号预处理，进而让受试者不断下调脑电信号与特异性脑活动状态信号的吻合度。