[发明专利]一种基于脑机接口的运动想象信号的无人机控制方法

权利要求书

1.一种基于脑机接口的运动想象信号的无人机控制方法，其特征在于，包括以下步骤：

(1)受试者在屏幕前根据实验范式进行对应的运动想象，对受试者的脑电信号进行采集，且进行预处理；

(2)构建的BP神经网络模型并进行训练；

(3)使用训练完毕的BP网络模型对测试数据进行识别并得到分类结果；

(4)使用应用训练好的BP神经网络对经过预处理后的数据进行测试及分类，之后将分类结果转化成无人机控制信号控制无人机飞行。

2.根据权利要求1所述的基于脑机接口的运动想象信号的无人机控制方法，其特征在于，所述步骤(1)包括以下步骤：

(11)受试者佩戴安装有8个电极的脑电帽，利用电极膏将电极帽上的电极与头皮进行接触；进行阻抗测试，且对阻抗过高的电极进行调整，开始记录数据；

(12)受试者根据实验范式进行对应的运动想象，实验共进行100轮，每轮中屏幕依次出现左手、右手、左脚和右脚的图片，图片出现过程中受试者进行相应部位的运动想象，时长4.5s，两次图片中间提供3s休息时间，按顺序进行，得到400个样本数据；

(13)受试者实验时产生的脑电信号数据经过EEGLAB工具箱依次进行通道定位、重参考、通道选择、带通滤波、去除基线、手动去除伪迹、ICA去除伪迹、眼电去除以及剔除噪声成分除杂处理步骤。

3.根据权利要求1所述的基于脑机接口的运动想象信号的无人机控制方法，其特征在于，所述步骤(2)包括以下步骤：

(21)网络初始化，根据系统输入输出序列(X,Y)确定网络输入层节点数n、隐含层节点数l，输出层节点数m，初始化输入层、隐含层和输出层神经元之间的连接权值ω_ij，ω_jk，初始化隐含层阈值a，输出层阈值b，给定学习速率和神经元激励函数；

(21)隐含层输出计算：根据输入变量X，输入层和隐含层连接权值ω_ij以及隐含层阈值a，计算隐含层输出H：

其中，l为隐含层节点数，f为隐含层激励函数，表达式为：

(23)输出层输出计算：根据隐含层输出H，连接权值ω_jk和阈值b，计算BP神经网络预测输出O：

(24)误差计算：根据网络预测输出O和期望输出Y，计算网络预测误差e：

e_k＝Y_k-O_k，k＝1,2,...,m；

(25)权值更新，根据网络预测误差e更新网络连接权值ω_ij，ω_jk：

ω_jk＝ω_jk+ηH_je_k，j＝1,2,...,l；k＝1,2,...,m

其中，η为学习速率；

(26)阈值更新，根据网络预测误差e更新网络节点阈值a，b：

b_k＝b_k+e_k，k＝1,2,...,m；

(27)判断算法迭代是否结束，若没有结束，返回(22)，若结束，BP神经网络模型训练完毕。

4.根据权利要求1所述的基于脑机接口的运动想象信号的无人机控制方法，其特征在于，所述分类结果分别对应无人机的四个动作的信号，分别为左手-起飞，右手-降落，左脚-向前飞行，右脚-向后飞行。

5.根据权利要求1所述的一种基于脑机接口的运动想象信号的无人机控制方法，其特征在于，所述步骤(5)实现过程为：无人机控制程序用python进行编写，分类结果得到的相应控制信号利用IEEE802.11和TCP/IP传输协议传输至无人机，随后利用python的socket模块进行接收和发送信息，并对信息进行处理，以做到对无人机状态的记录和控制。