一種運動想象模式腦機接口觸發(fā)的下肢外骨骼訓練方法及系統的制作方法
【技術領域】
[0001] 本發(fā)明涉及康復醫(yī)療與工程器械領域，特別是涉及一種運動想象模式腦機接口觸 發(fā)的下肢外骨骼訓練方法及系統。
【背景技術】
[0002] 下肢外骨骼機器人是一種物理人機耦合系統，種類多樣，從功能上說，可以分為兩 種:一種是輔助老年人、殘疾人和運動功能部分喪失的病人行走的外骨骼;另一種就是增強 正常人人體機能的外骨骼。不同的外骨骼系統有不同的控制方式，目前的下肢外骨骼訓練 系統主要分為操作者控制、預編程控制、主從控制、地面反作用力控制、肌電信號控制等控 制方式，還沒有引入腦電信號與腦機接口觸發(fā)的控制方式。
[0003] 對于目前已有的控制方式，主要缺陷如下：
[0004] 1、操作者控制方式的缺點是:操作者的上肢只能用來發(fā)布命令，而不能進行其他 活動，并且操作者必須連續(xù)不停的發(fā)布命令，不僅浪費了體力，而且操作者的運動也變得不 自然。而對于上肢運動功能部分喪失的病人來說，發(fā)布命令也變得相當困難。
[0005] 2、有些外骨骼裝置通過預先編好的程序來運行，操作者只能進行有限的干預，比 如停止或開始，所有這些基于程序控制的系統都需要患者使用手杖或者額外的輔助框架來 保持操作者行走的穩(wěn)定，而且實現的運動形式也十分有限。
[0006] 3、主從控制一般用于遠程機器人操作系統，目的是令遠方的機器模擬操作者的動 作，這就要求在系統設計時，在從外骨骼的內部預留人和主外骨骼的活動空間，使得系統的 設計變得相當復雜。
[0007] 4、地面反作用力控制方式的缺陷是:其控制方法嚴格依賴于系統的動態(tài)模型，而 骨骼服是一個多剛體、多自由度的非線性系統，想要建立其準確的數學模型十分困難。
[0008] 5、肌電控制方式有其固有的缺點：在關節(jié)力矩和肌肉的EMG信號之間不可能找到 一個一對一的關系;為了確定肌力與關節(jié)力矩之間的關系，肌力力臂也要被確定，而力臂通 常隨關節(jié)角度的變化而變化。由于肌力力臂與外表面EMG信號的強度，及肌力力臂與肌肉力 間的關系都隨個體的不同而不同，故任何基于外表面EMG信號的控制器都是針對某個操作 者的個性化設備;在激烈運動下，容易脫落、易位，長時間運動后，人體出汗會影響傳感器的 測量;傳感器每次都要貼到人體表面，使用不便。

【發(fā)明內容】

[0009] 本發(fā)明的目的在于克服現有技術的不足，提供一種為了保證下肢外骨骼機器人物 理人機耦合的高效性，使控制方式更加靈活，操作更加簡單，實現的運動形式更加多樣化， 擴大適用群體的運動想象模式腦機接口觸發(fā)的下肢外骨骼訓練方法及系統。
[0010] 本發(fā)明的目的是通過以下技術方案來實現的：
[0011] 本發(fā)明提出的運動想象模式腦機接口觸發(fā)的下肢外骨骼訓練方法是基于EEG信號 控制的康復機器人行為意圖識別方法。一方面，EEG信號是測量人體生理信息最靈敏的指標 之一，另一方面，采集EEG信號的設備造價低廉，設備更加小巧，便于移動。目前，小型的EEG 采集設備已經投入使用并具有噪聲去除的功能，EEG具有毫秒級別的時間分辨率。當人處在 行走狀態(tài)或者處于想象行走這種具有行走意圖的狀態(tài)時，會產生具有特征的EEG信號。通過 對這種信號的處理和分析，提取出信號特征，并將信號特征與行走特征相關聯，形成一種 EEG與行走意圖之間的關系，通過這種關系觸發(fā)康復機器人的運動。在本發(fā)明中，我們首先 對使用者采集運動想象EEG信號做分類訓練，接下來再利用其EEG信號觸發(fā)控制下肢外骨 骼。
[0012] -種運動想象模式腦機接口觸發(fā)的下肢外骨骼訓練方法，包括以下步驟：
[0013] SI:根據預設的運動想象任務測量使用者的腦電樣本信號；
[0014] S2:對步驟Sl所采集到的腦電樣本信號進行預處理，去除信號噪聲；
[0015] S3:用共同空間模式對信號進行變換，將不同大腦區(qū)域產生的腦電信號投影到相 應的腦電圖位置處，提取和選擇特征；
[0016] S4:利用變換后的信號建立使用者的腦電信號分類器模板；
[0017] S5:使用者欲運動（想象左腿或右腿邁步）時，將使用者實時的運動想象腦電信號 經過步驟S2的預處理和步驟S3的公共空間模式變換后，輸入步驟S4得到的腦電信號分類器 模板，決策使用者的運動想象腦電信號的類別，輸出分類結果給下肢外骨骼控制器，控制下 肢外骨骼執(zhí)行相應運動動作。
[0018] 所述步驟S2包括以下子步驟：
[0019] S201:數據重組；
[0020] S202:添加事件信息；
[0021] S203:添加電極位置信息；
[0022] S204:去均值；
[0023] S205 :頻域濾波；
[0024] S206:空間域濾波；
[0025] S207:事件相關電位ERP;
[0026] S208:功率譜；
[0027] S209:事件相關功率擾動。
[0028] 所述的頻域濾波步驟使用FIR濾波器對腦電信號進行頻域濾波，FIR濾波器的數學 表達式為：.y= .νΜ*/7M二Σ/W7[/7 - &]，其中，y[n]表示濾波器輸出，X[n]表示濾波 k=0 器輸入信號，h[n]表不單位沖擊響應。
[0029] 所述的空間域濾波步驟從觀測信號中將源信號分離出來，信號分離方法采用獨立 成分分析ICA方法，ICA基礎模型:假設每通道觀測到的信號為 Xk(i)，則:Xk(i)=allSk(l) + ai2Sk(2) + · · .+aiMSk(M)，其中，sk( j)表不相互獨立的源信號，aij表不源信號sk( j)在觀測信 號xk(i)中所占的權重。
[0030] 所述步驟S4采用線性判別分析方法，抽取分類信息的同時壓縮特征空間的維數， 投影后的模式樣本在新的子空間中具有最大類間距離和最小類內距離，即模式樣本投影后 具有最佳的分離性g (X )= W1X+ ω 〇，其中W是權重向量，ω 〇是閾值；
[0031] 對于兩分類問題，判別函數的定義如下： ^(λ·) > (),xe W1
[0032] < g(x) < Ο,X e W2 * #__(1) = 0,1不屬于任意一類
[0033] 設類間離散度矩陣?
[0034] 類內離散度矩陣為：
[0035] 其中
為所有模式樣本的均值，
〖示第i類樣本均值；
[0036]線性判別分析將腦電信號的分類問題轉化為尋找低維空間，使得投影到該空間的 類間距離與類內距離之間的比值最大；
[0037]根據上述思想，設最優(yōu)投影矩陣為Wcipt，根據線性判別準則表達式的定義，求得：
[0038]
[0039] 基于運動想象模式腦機接口觸發(fā)的下肢外骨骼訓練方法的系統，包括EEG信號采 集模塊、數據預處理模塊、共同空間模式處理模塊、腦電信號分類器模塊和下肢外骨骼控制 豐旲塊；
[0040] EEG信號采集模塊用于根據預設的運動想象任務測量使用者的腦電樣本信號； [0041]數據預處理模塊用于對采集到的腦電樣本信號進行預處理，去除信號噪聲；
[0042]共同空間模式處理模塊用于使用共同空間模式對信號進行變換，將不同大腦區(qū)域 產生的腦電信號投影到相應的腦電圖位置處，提取和選擇特征；
[0043] 腦電信號分類器模塊用于利用共同空間模式變換后的信號建立使用者的腦電信 號分類器模板；
[0044] 使用者欲運動時，將使用者實時的運動想象腦電信號經過數據預處理模塊的預處 理和共同空間模式處理模塊的公共空間模式變換后，輸入腦電信號分類器模塊得到的腦電 信號分類器模板，決策使用者的運動想象腦電信號的類別，輸出分類結果給下肢外骨骼控 制模塊，下肢外骨骼控制模塊用于控制下肢外骨骼執(zhí)行相應運動動作。
[0045] 本發(fā)明的有益效果是：
[0046] 1)本發(fā)明提供的觸發(fā)控制方式解決了現有的控制方式的不自然、有局限性、設計 復雜、使用不便等缺陷，讓下肢外骨骼系統的適應能力更強，控制靈活性增強，擴大了受用 群體。
[0047] 2)在記錄腦電信號的過程中常常伴隨有并非來源于大腦皮層的噪聲信號，對原始 EEG數據進行自動去除噪聲，可有效提高EEG信號的信噪比和可靠性。每通道采集到的腦電 信號都會受到該電極附近信號的干擾，也就是說14個通道采集到的腦電信號是不同來源的 腦電信號的混疊，空間濾波可以從觀測信號中將源信號分離出來，提高源信號可靠度。
[0048] 3)使用共同空間模式將不同大腦區(qū)域產生的腦電信號投影到相應的腦電圖位置 處，該方法大大降低了分類器的輸入特征向量的維度，同時又最大限度地保證了不同心理 任務相互容易區(qū)分的特征。
【附圖說明】
[0049] 圖1為本發(fā)明整體方法流程圖；
[0050] 圖2為物理人機緊耦合系統的信息處理過程圖；
[0051]圖3為數據預處理流程圖；
[0052]圖4為使用者想象右腿邁步和想象左腿邁步狀態(tài)的共同空間模式圖；
[0053]圖5為下肢外骨骼觸發(fā)控制原理圖。
【具體實施方式】
[0054]下面結合附圖進一步詳細描述本發(fā)明的技術方案，但本發(fā)明的保護范圍不局限于 以下所述。
[0055] 如圖2所示，物理人機緊耦合系統的信息處理過程如下:首先由人體獲取信息并處 理信息，完成決策(人體意圖），執(zhí)行運動動作。
[0056] 如圖1所示，一種運動想象模式腦機接口觸發(fā)的下肢外骨骼訓練方法，包括以下步 驟：
[0057] SI:根據預設的運動想象任務測量使用者的腦電樣本信號，做分類訓練;讓使用者 佩戴EEG信號采集硬件設備Emotive，通過數據采集軟件儲存EEG信號。
[0058]運動想象腦電數據采集設備包含了數據采集硬件和軟件系統，數據采集硬件是 EASYCAP改裝的Emotive腦電采集設備，數據采集軟件為Emotive開發(fā)包。數據采集的電極位 置選擇了 14個電極，信號參考電極位于中線位置處Cz電極前2厘米處，接地電極位于中線位 置Fz電極前2厘米處。首先采集使用者的腦電信號做樣本訓練，設計出使用者的腦電信號分