[发明专利]基于视图编解码的脑控机械臂系统和控制方法

说明书

本发明涉及脑‑机接口与机械臂控制技术，为将编码目标的二维拓扑信息映射为视图像素指令，从而进一步映射为智能机械臂的六维(即6D)空间坐标，实现BCI的输出方式由传统的一维信息变为二维信息。为此，本发明采取的技术方案是，基于视图编解码的脑控机械臂系统和控制方法，把脑‑机接口与机械臂控制相结合，采用任务相关成分分析算法，解码混合脑电特征，实现对用户意图的识别，其中，通过将编码目标的二维拓扑信息映射为视图像素指令，从而进一步映射为智能机械臂的六维空间坐标，实现BCI信息输出方式由一维到二维，从而实现机械臂控制。本发明主要应用于医疗器械的设计制造场合。

技术领域

本发明涉及脑-机接口与机械臂控制技术，具体涉及基于新型视图编解码方法的脑控机械臂系统。

背景技术

脑-机接口(brain-computer interface,BCI)的核心技术在于探索大脑信息并解码用户意图，常规的脑-机接口系统包括连续的五个阶段：信号采集、预处理(或信号增强)、特征提取、分类和接口控制。

信号采集阶段捕捉到大脑信号并进行信号降噪和硬件处理；预处理阶段为后续处理准备适当形式的信号；特征提取阶段是标识被提取出来的大脑信号中的信息，映射到一个包含有效判别功能的特征向量；分类阶段是对特征向量进行识别；控制接口阶段是将分类的信号转换为控制指令给所连接设备，如轮椅、计算机、机械臂等等，即对接到BCI的应用层。对基于脑电(electroencephalography,EEG)的BCI系统而言，特征提取和分类阶段是决定BCI系统的关键所在。一方面是因为脑电信号可能由于肌电和眼电的干扰而失真；另一方面，为了减少特征提取阶段的复杂性，须尽量降低特征向量的维度，但同时要保证重要有用信息没有损失，这是一项非常具有挑战性的任务。因此，为了解码用户意图，选择合适且高效的方法提取有用特征，实现有效的分类识别显得至关重要。

发明内容

为克服现有技术的不足，本发明旨在将编码目标的二维拓扑信息映射为视图像素指令，从而进一步映射为智能机械臂的六维(即6D)空间坐标，实现BCI的输出方式由传统的一维信息变为二维信息。为此，本发明采取的技术方案是，基于视图编解码脑控机械臂控制方法，把脑-机接口与机械臂控制相结合，采用任务相关成分分析算法，解码混合脑电特征，实现对用户意图的识别，其中，通过将编码目标的二维拓扑信息映射为视图像素指令，从而进一步映射为智能机械臂的六维空间坐标，实现BCI信息输出方式由一维到二维，从而实现机械臂控制。

二维拓扑信息映射为视图像素指令进一步地具体步骤如下：脑-机接口BCI刺激界面设置为由m行n列组成的像素矩阵块，每个像素块的中心称为端点，对需要编码的目标设置成由若干个目标端点组成的二维拓扑结构，通过对目标端点的识别顺序和端点之间连接关系的规定，实现对具有二维拓扑结构目标的编码和解码，即将编码目标的二维拓扑结构映射为视图像素指令，通过端点之间的连接，实现BCI输出二维信息，BCI每次对操控意图的识别，结果会先以视觉反馈的形式呈现在屏幕上，受试者可以根据反馈结果，在规定时间内通过动作取消本次指令输出，否则默认指令正确，并进行机械臂控制。

采用基于滤波器组的集成任务相关成分分析TRCA(Task-related componentanalysis)对脑电特征信息的识别，滤波器组是通过设计不同的滤波频带，尽可能多的提取脑电信号中的有用信息，在第一个滤波器设计时，滤波通带应包含1-10赫兹的事件相关电位成分ERP(event-related potential)。

任务相关成分分析是根据受试者个体信息作为训练集，将训练集信号投射到不同的空间域内，以寻找到最佳投影方向，使得训练集不同样本间的协方差和最大，即训练集在该方向投影后具有最大的相关性,最后将测试信号在该方向投影后与训练集的数据计算相关系数，从而解码脑电信息得到决策值。

任务相关成分分析过程如下：采集记录的Nc个导联的脑电信号分别为x_j(j＝1,2,...,N_c)，x_j，j＝1,2,……,N_c所有试次trial间可能组合的总和为：