[发明专利]一种基于BCI的高灵活度机械手系统及其实现方法

说明书

本发明涉及脑机接口的技术领域，具体为一种基于BCI的高灵活度机械手控制系统及其实现方法。一、在训练中采集大脑运动区多通道EEG信号，对采集的信号进行预处理及伪影去除后，采用二次时频分布即Choi‑Williams分布对脑电信号进行分析；二、采用两层分类框架增强识别精度，以识别出活动手指，其次对每个被识别的手指执行的动作进行解码并输出决策值完成分类模型；三、将在线获取的脑电信号经由计算机决策判别为机械手的控制指令，通过TCP/IP与机械手系统进行通信，控制其完成指定的动作。本发明具有精准、高仿真的特点，该系统能够准确进行不同手指不同动作的精细识别，为手部运动功能损伤患者与特定环境需要提供技术支持及拓展思路。

技术领域

本发明涉及脑电信号与外部环境进行直接交互，具体为一种基于BCI的高灵活度机械手系统及其实现方法。

背景技术

有很多患有严重的神经性肌肉疾病或神经障碍以及因事故导致丧失自由运动和控制部分肢体的能力的患者，他们无法满足正常日常生活需求，然而这些患者中大多数仍保留了正常人产生运动功能相关神经活动的能力，BCI是在脑与外部环境之间建立一种全新的不依赖于外周神经和肌肉的交流与控制通道，从而实现脑与外部设备的直接交互。因此，脑-机接口技术有望提高丧失或部分丧失运动能力者的独立性，使其重新融入社会，降低社会成本。

在过去的十年里，研究人员开发了基于EEG的BCI系统，解码出了较大的身体部位活动以及运动想象产生的脑电，包括手、脚和舌头等，基于BCI的机器人控制系统已经被广泛应用于机器人、轮椅等各种现代自控领域中。

通过采集脑电信号并分析，控制外部设备实现一定的目的，可以使四肢运动受损者实现正常的生活，例如：中国专利文献“一种假手柔顺抓取操作的串行多模态脑控方法”(专利申请号201510988443.0)设计了一种假手柔顺抓取物体的方法，受试通过视觉刺激识别要实现的动作，在此基础上通过采集4种面部表情所产生的脑电信号，处理后产生控制上肢机器臂的控制指令进而控制假手完成4种既定的动作，但是，与这篇专利一样，现今绝大多数现有的基于EEG的BCI系统都只能通过分析大脑活动并产生有限数量的控制信号(通常少于五个控制信号)，控制信号的数量限制了通过BCI系统来控制更复杂的辅助设备的能力，如高灵活度的假肢和机械手，因为这些设备需要大量的控制信号来执行各种任务。

近年来，很少有研究人员研究由精细部位运动产生的脑电分类，例如同一只手的每个手指的运动、手腕的运动，以及与抓握有关的动作，以增加基于EEG的BCI系统控制信号的数量，对于一只手内不同手指的运动进行解码比对较大的身体部位活动进行解码要困难得多，因为同一只手的手指运动会激活动感觉运动皮层中相对较小且较近的区域，因此使用EEG这种空间分辨率相对较低的神经成像模式进行分析这种精细部位的运动是比较困难的。

本发明设计了一种可以辨别同一只手的不同手指多种运动的高灵活度机械手，包括各手指屈伸及拇指的内收、外展共十二种动作。通过采用Choi-Williams分布对脑电信号进行分析，并采用两层分类框架增强识别精度，提升分类效果，增强BCI系统输出控制信号的数量，使得通过脑-机接口操控的外界辅助设备实现精细动作意图的识别，具有更高的灵活性、精准性、高仿真的特点，为康复治疗及特定环境的需要提供技术支持及拓展思路。

实用新型内容

本发明旨在提出一种设计合理的基于BCI的高灵活度机械手系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于BCI的高灵活度机械手控制系统及其实现方法，其特征在于：所述方法包括以下步骤：

一、对采集的信号进行预处理及伪影去除后，采用二次时频分布即Choi-Williams分布对脑电信号进行分析；

二、采用两层分类框架增强识别精度，以识别出活动手指，其次对每个被识别的手指执行的动作进行解码并输出决策值完成分类模型；