一种基于Matlab和DSP的运动想象脑机接口实现方法.pdf

(19)中华人民共和国国家知识产权局*CN102629156A*(12)发明专利申请(10)申请公布号CN102629156A(43)申请公布日2012.08.08(21)申请号201210055569.9(22)申请日2012.03.06(71)申请人上海大学地址200444上海市宝山区上大路99号(72)发明人杨帮华陆文宇刘丽何美燕韩志军(74)专利代理机构上海上大专利事务所(普通合伙)31205代理人何文欣(51)Int.Cl.G06F3/01(2006.01)G06F17/50(2006.01)G06K9/62(2006.01)权利要求书权利要求书2页2页说明书说明书66页页附图附图88页(54)发明名称一种基于Matlab和DSP的运动想象脑机接口实现方法(57)摘要本发明涉及一种基于Matlab和DSP的运动想象脑机接口实现方法，包括进行Matlab仿真和DSP具体应用，其中Matlab仿真部分包括三个大步骤：首次训练—建立识别模型、模型更新—建立更新识别模型、在线仿真—建立最佳识别模型。DSP具体应用：将Matlab仿真部分得到的最佳识别模型，以C语言代码为基础进行具体实现，进而在线应用，具有速度快、效率高、体积小，面向脑机接口实际应用的特点。该实现方法具有功能全面、操作简单、可实现性强的特点。本发明能够为为脑机接口用户的训练和具体使用奠定基础。CN102695ACN102629156A权利要求书1/2页1.一种基于Matlab和DSP的运动想象脑机接口实现方法，包括进行Matlab仿真和DSP具体应用，其特征在于：所述Matlab仿真包括三个大步骤：首次训练，建立识别模型（1）、模型更新，建立更新识别模型（2）和在线仿真，建立最佳识别模型（3）；所述首次训练，建立识别模型（1）：可以让实验者执行选择的运动想象任务，通过对采集到的脑电信号进行离线分析，建立首次识别模型；所述模型更新，建立更新识别模型（2）：装载识别模型，让实验者在执行运动想象任务的同时获取在线实时反馈，通过调整自身以产生更易识别的脑电信号，再次进行离线分析，建立更新识别模型；所述在线仿真，建立最佳识别模型（3）：装载更新识别模型，对特定的控制对象进行实时在线仿真，为DSP具体实际应用做好准备；所述DSP具体应用：将Matlab仿真部分建立的更新识别模型，以C语言代码为基础进行具体实现，进而在线应用，具有速度快、效率高、体积小，面向脑机接口实际应用的特点。2.根据权利要求1所述的一种基于Matlab和DSP的运动想象脑机接口实现方法，其特征在于：所述Matlab仿真的首次训练，建立识别模型（1）允许实验者设置训练次数及运动想象的时间长度，能够让实验者依据个人特点，选择要执行的运动想象任务种类，然后根据系统提示，执行对应的运动想象任务，实现特定运动想象任务脑电信号的采集与保存；可装载采集的脑电数据，选择指定的特征提取和分类方法，进行分析处理，建立首次识别模型，并给出该模型对应的识别精度；具体实现步骤为：1)参数设置：需要设置的信息包括单次采样时长、放大器IP及端口、通道选择、实验者ID、训练次数、训练任务选择、特征提取方法选择、分类方法选择、交叉验证倍数和数据处理时间域；这些在MATLAB中通过对相应控件编程实现；2)执行运动想象任务：实验者按系统提示进行运动想象任务；MATLAB界面提示向左箭头时执行左手运动想象任务、向右箭头时执行右手运动想象任务、向下箭头时执行右脚运动想象任务、向下双箭头时执行双脚运动想象任务；最终实验数据以.mat形式保存；3)离线分析：对已保存的实验数据的预处理、特征提取、分类识别、交叉验证，最终输出正确率并保存首次识别模型；预处理：对实验数据进行通道选择、提取时间处理窗口、降频；特征提取：可选择不同的特征提取方法提取特征向量；包括共同空间模式（CSP）、小波包分解（WPD）与共同空间模式相结合的特征提取方法、功率谱密度（PSD）、自回归（AR）模型、基于希尔伯特变换（HHT）的特征提取方法；分类识别：可选择不同的分类识别方法训练首次识别模型；包括线性判别分析（LDA）、二次判别分析(QDA)、K近邻(KNN)、贝叶斯（BAYES）、决策树（DT）、概率神经网络（PNN）、支持向量机(SVM)等分类识别方法；交叉验证：对训练的首次识别模型进行交叉验证，并输出识别正确率。3.根据权利要求1所述的一种基于Matlab和DSP的运动想象脑机接口实现方法，其特征在于：所述Matlab仿真的模型更新，建立识别模型（2）：装载首次识别模型，让实验者在执行运动想象任务的同时获取在线实时反馈，可选择滚动条、虚拟人不同的反馈方式，通过不断调整自身，产生更易识别的脑电信号，使实验者适应计算机识别模型，进而提高识别精度；同时可比较不同反馈方式对改