[发明专利]基于OpenVIBE的高性能运动想象在线脑机接口系统

摘要

本发明公开了一种基于OpenVIBE的高性能运动想象在线脑机接口系统，包括信号采集设备、信号测试脚本、信号采集脚本、数据训练脚本以及在线实验脚本，其中，信号测试脚本连接信号采集设备，通过信号测试脚本检测信号质量，再通过信号采集脚本设置实验参数并进行运动想象实验数据采集，然后使用数据训练脚本基于RSTFC算法实现时空滤波分类器的训练，并得到具体的时空滤波分类器导入所述在线实验脚本，在线实验脚本根据训练得到的时空滤波分类器实现高性能的运动想象在线脑机接口系统。本发明采用模块化的设计方法提高了系统的可读性和灵活性，便于进行功能扩展，极大的提高了研究人员的工作效率，并且具有准确度高、性能好的优点。

主权项

1.一种基于OpenVIBE的高性能运动想象在线脑机接口系统，其特征在于，所述脑机接口系统包括：信号采集设备、信号测试脚本、信号采集脚本、数据训练脚本以及在线实验脚本，所述信号测试脚本连接所述信号采集设备，通过所述信号测试脚本检测信号质量，再通过所述信号采集脚本设置实验参数并进行运动想象实验数据采集，然后使用所述数据训练脚本基于RSTFC算法实现时空滤波分类器的训练，并得到具体的时空滤波分类器导入所述在线实验脚本，所述在线实验脚本根据训练得到的时空滤波分类器实现高性能的运动想象在线脑机接口系统；所述数据训练脚本用于实现一种时空滤波分类器，包括下述步骤：S1、数据读取，将数据信息和文件的相关信息分别保存，截取有效实验数据部分；S2、维度扩展，通过交叉验证来获得扩展倍数，在每个初始实验的基础上不断右移，并在左侧补零，得到同等维度的矩阵，最后拼接成新的扩展矩阵；S3、构造协方差矩阵，将扩展后的矩阵取协方差；S4、将协方差矩阵以及类别标签进行归一化；S5、广义特征分解，在求解广义特征分解时分别加入正则化约束，通过交叉验证正则化系数值；S6、根据以上步骤中得到的空域滤波器对训练集进行空域滤波获得特征构造；S7、分类器训练，用训练集构造的特征及其对应的标签来训练线性分类器模块，最终得到权重；S8、测试集测试，对测试数据集进行时空域滤波和分类，与测试集标签进行比较，得到测试正确率，初步判断实验效果。