[发明专利]一种基于在线数据模型增强的脑机接口训练方法及系统

说明书

本发明公开了一种基于在线数据模型增强的脑机接口训练方法及系统，通过将建模阶段数据收集上传到文件服务节点，与此同时云服务器从文件服务节点中获取全部相关联的训练数据，对全部数据和本次建模阶段的数据一起进行算法处理生成模型对象，将生成的模型对象传递给客户端应用，以便后续执行验证阶段的运动想象。利用本次建模阶段的数据与之前的数据共同作用生成模型对象，这样做有效解决因有限时间收集建模数据可能存在的数量不足的问题，从而引起后续每次训练结果无法趋近于稳定的状态问题。

技术领域

本发明涉及脑机接口技术领域，具体而言是涉及一种基于在线数据模型增强的脑机接口训练方法及系统。

背景技术

随着脑机接口技术的不断发展，使用非侵入式的设备对受测者的脑电信号采集也愈发有效，再加上处理此类脑信号的算法手段与开源社区更加完善。对此，使用非侵入式设备对受测者进行信号采集，并对采集的数据信号进行一系列算法处理建立模型，再基于所建模型对受测者的想象过程进行预测与分析，从而形成了一套比较完备成熟的运动想象模式。

然而，在这套模式下需要受测者在进行想要的解码运动信号、识别想象过程形成正确的指令的效果前，必须先进行一定数量的训练数据采集以建立模型预测接下来的运动想象。尽管这种做法避免了因测试环境、受试者状态等因素的影响，但每次在有限的训练时间里，执行建模阶段的训练所获取的数据而建立的模型，因训练数量不足可能导致建立的模型不一定可靠，并且每一次的训练都不可避免的发生这类现象，使得整个训练阶段的准确率幅度变化大而产生稳定性不够。

发明内容

为解决现有技术中存在的不足，本发明的目的在于因在有限训练时间里获取的训练数量不足而可能导致建立的模型不一定可靠，和每次训练准确率幅度变化大产生的稳定性不够的问题，通过建模阶段的数据继续收集，再利用之前训练产生的数据，实现两类数据的合并，基于不同的权重值去均衡两类数据可能产生的影响，使得数据量级提高，模型趋于可靠，并且每次训练结果趋于稳定的目的而提供的一种基于在线数据模型增强的脑机接口训练方法及系统。

为实现本发明的目的，本发明所采用的技术方案是：

一种基于在线数据模型增强的脑机接口训练方法，包括步骤：

步骤一：在建模阶段完成后，将训练数据收集上传到云服务器；

步骤二：云服务器将获取的建模阶段的训练数据转发到文件服务节点；

步骤三：云服务器构建在线数据处理的环境

步骤四：向文件服务节点获取相关联的全部训练数据

步骤五：云服务器在获取到全部训练数据后进行在线处理，

步骤六：处理完成后生成本次结果的模型对象；

步骤六：云服务器将生成的模型对象反馈给客户端应用，客户端应用基于获取的模型对象在训练的验证阶段进行数据预测与分析；

步骤七：整个训练完成后将验证阶段的训练数据收集上传到云服务器；

步骤八：云服务器将获取的验证阶段的训练数据转发到文件服务节点。

进一步地，所述步骤二中，转发到文件服务节点后，并与此次训练的受测者建立关联，所述建立关联是利用文件名称实现，为每一个受测者建立单独文件夹，使用受测者账号命名，且受测者账号是整个系统内唯一的，文件夹内部通过“yyyyMMddHHmmss...(时间因子)”格式创建。

进一步地，所述步骤三构建的在线数据处理环境主要是加载py环境与算法文件。

进一步地，所述步骤五的在线处理方法包括如下：

步骤1)数据预处理：

首先对数据使用公式进行归一化，其中x表示输入信号，μ为均值，δ为标准差，