脑电控制系统及方法与流程

本发明涉及脑机接口，具体而言，涉及一种脑电控制系统及方法。

背景技术：

1、脑机接口技术作为连接大脑与外部设备的直接通信通路，在神经康复、人机交互等领域展现出广阔的应用前景。其中，基于运动想象的脑电控制系统通过解码用户想象肢体运动时产生的感觉运动节律变化，实现对康复机器人或虚拟环境的控制，进而构建从中枢到外周的闭环反馈以促进神经重塑。现有技术中的脑电控制系统通常包含信号采集、预处理、特征提取、模式分类及设备控制等模块，常采用共空间模式结合线性判别分析等算法进行意图识别，并辅以视觉或触觉反馈提升训练效果。

2、然而，尽管现有的脑电控制系统在实验室环境下取得了一定成效，但在实际应用中仍存在明显的技术缺陷。具体地，现有的脑电控制系统的特征提取与分类模型缺乏对个体差异及非平稳脑电信号的在线自适应能力，导致在长时间连续使用过程中控制性能显著衰减。具体而言，脑电信号具有高度的个体特异性和时变非平稳性，不同受试者甚至同一受试者在不同时段、不同疲劳程度或注意力水平下，其运动想象相关的脑电特征在空间拓扑分布和频谱特性上均会发生动态漂移。而现有技术普遍依赖于训练前一次性校准所建立的静态模型，该模型参数在后续使用中固定不变，无法实时追踪并补偿上述特征漂移。当用户状态发生变化时，静态模型的分类边界与实际特征分布失配，导致解码准确率急剧下降，产生大量误触发或漏触发指令。这种控制失准不仅中断了康复训练的连续性，更破坏了从意图到反馈的闭环的有效性，可能诱发习得性废用，严重制约了脑电控制系统在临床康复场景中的实用化进程。目前，尚无成熟技术方案能在无需频繁重新校准的前提下，实现对非平稳脑电特征的鲁棒在线自适应解码。因此，现有技术中的脑电控制系统存在缺乏在线自适应能力导致长时间使用解码准确率下降的技术问题。

3、针对上述的问题，目前尚未提出有效的解决方案。

技术实现思路

1、本发明实施例提供了一种脑电控制系统及方法，以至少解决现有技术中的脑电控制系统存在的缺乏在线自适应能力导致长时间使用解码准确率下降的技术问题。

2、根据本发明实施例的一个方面，提供了一种脑电控制系统，该系统包括：脑电信号采集模块，用于实时采集用户的原始脑电信号；信号预处理模块，与上述脑电信号采集模块通信连接，用于对上述原始脑电信号进行滤波和伪迹去除处理，输出预处理后的脑电信号；动态特征提取模块，与上述信号预处理模块通信连接，用于基于上述预处理后的脑电信号，通过滑动时间窗口机制提取时频域特征向量，并计算上述时频域特征向量的当前统计分布参数；在线自适应解码模块，与上述动态特征提取模块通信连接，包括初始分类器单元和自适应更新单元，其中，上述初始分类器单元用于根据预设的初始模型参数对上述时频域特征向量进行运动意图解码，输出初步解码结果，上述自适应更新单元用于根据上述当前统计分布参数与历史基准分布参数之间的差异度量值，动态调整上述初始分类器单元的模型参数，生成更新后的分类器模型，并利用上述更新后的分类器模型对后续输入的上述时频域特征向量进行解码，输出最终运动意图指令；外部设备控制接口模块，与上述在线自适应解码模块通信连接，用于接收上述最终运动意图指令并将其转换为对应的外部设备控制信号。

3、进一步地，上述动态特征提取模块包括：滑动窗口控制器，用于以预设步长在上述预处理后的脑电信号上移动固定长度的时间窗口，截取当前分析时段内的脑电数据段；多通道时频变换单元，与上述滑动窗口控制器通信连接，用于对上述当前分析时段内的脑电数据段执行短时傅里叶变换或小波变换，生成各通道的时频能量矩阵；空间滤波单元，与上述多通道时频变换单元通信连接，用于将上述时频能量矩阵投影至预设的空间滤波器组，提取共空间模式特征作为上述时频域特征向量；分布估计单元，与上述空间滤波单元通信连接，用于采用高斯混合模型或核密度估计方法，基于最近个时间窗口的上述时频域特征向量计算均值向量和协方差矩阵，作为上述当前统计分布参数，其中，上述为大于等于5的正整数。

4、进一步地，上述自适应更新单元包括：分布漂移检测子单元，用于计算上述当前统计分布参数与上述历史基准分布参数之间的马氏距离或散度作为上述差异度量值，并将上述差异度量值与预设阈值进行比较；增量学习触发子单元，与上述分布漂移检测子单元通信连接，当上述差异度量值超过上述预设阈值时，触发增量学习流程；模型参数修正子单元，与上述增量学习触发子单元通信连接，用于在上述增量学习流程中，采用带遗忘因子的递归最小二乘算法或在线梯度下降算法，利用当前时间窗口及其前个时间窗口的上述时频域特征向量及对应的伪标签对上述初始分类器单元的权重矩阵和偏置向量进行迭代更新，得到上述更新后的分类器模型，其中，上述为大于等于3且小于的正整数；基准更新子单元，与上述模型参数修正子单元通信连接，用于在完成上述模型参数修正后，将上述当前统计分布参数替换为新的上述历史基准分布参数。

5、进一步地，上述模型参数修正子单元包括：样本置信度评估子模块，用于根据上述初始分类器单元对上述当前时间窗口及其前个时间窗口的上述时频域特征向量的输出概率分布熵值，计算各样本的可靠性权重，其中上述可靠性权重与上述输出概率分布熵值呈负相关关系；加权梯度计算子模块，与上述样本置信度评估子模块通信连接，用于将上述可靠性权重作为缩放因子引入上述在线梯度下降算法的梯度计算过程，使高置信度样本在上述迭代更新中对上述权重矩阵和上述偏置向量的修正贡献大于低置信度样本；异常样本剔除子模块，与上述加权梯度计算子模块通信连接，用于当某一样本的上述输出概率分布熵值超过预设熵阈值时，将该样本从增量学习样本集中移除，不参与本轮上述模型参数的修正。

6、进一步地，上述分布估计单元包括：时序衰减系数生成子单元，用于根据当前时间与历史时间窗口之间的时间间隔，按照指数衰减函数生成各上述历史时间窗口的时序权重，其中，上述指数衰减函数的衰减率由上述差异度量值的瞬时变化率动态调节，当上述差异度量值的瞬时变化率增大时，上述衰减率相应增大；加权分布融合子单元，与上述时序衰减系数生成子单元通信连接，用于将各上述历史时间窗口的上述时频域特征向量乘以对应的上述时序权重后，再进行上述均值向量和上述协方差矩阵的计算，使近期样本在上述当前统计分布参数中的占比高于远期样本；分布稳定性校验子单元，与上述加权分布融合子单元通信连接，用于计算连续两个时间窗口的上述均值向量之间的欧氏距离，当上述欧氏距离小于预设稳定阈值时，判定上述当前统计分布参数有效，否则沿用上一时间窗口的上述当前统计分布参数。

7、进一步地，上述信号预处理模块包括：带通滤波单元，用于将上述原始脑电信号限制在8hz至30hz频段内，保留mu节律和beta节律成分；陷波滤波单元，与上述带通滤波单元通信连接，用于滤除50hz工频干扰；独立成分分析单元，与上述陷波滤波单元通信连接，用于分离眼电、肌电及心电伪迹成分，并通过自动识别算法剔除伪迹独立成分，重构得到上述预处理后的脑电信号；参考电极标准化单元，与上述独立成分分析单元通信连接，用于将重构后的脑电信号转换为平均参考格式或拉普拉斯参考格式。

8、进一步地，上述外部设备控制接口模块包括：指令映射单元，用于将上述最终运动意图指令中的类别标签映射为预定义的控制动作序列；安全校验单元，与上述指令映射单元通信连接，用于对上述控制动作序列执行速率限制、幅度限幅及异常模式检测，当检测到连续次相同类别指令或指令切换频率超过安全上限时，暂停输出并进入待机状态，其中，上述为大于等于3的正整数；通信协议适配单元，与上述安全校验单元通信连接，用于将校验通过的上述控制动作序列封装为目标外部设备所支持的串口、tcp/ip或蓝牙通信协议数据包。

9、进一步地，上述在线自适应解码模块还包括解码结果平滑处理单元，上述解码结果平滑处理单元位于上述自适应更新单元与上述外部设备控制接口模块之间，上述解码结果平滑处理单元包括：时序缓冲寄存器，用于缓存最近个时间窗口的上述最终运动意图指令，其中，上述为大于等于3且小于等于7的奇数；多数表决子单元，与上述时序缓冲寄存器通信连接，用于对上述时序缓冲寄存器中缓存的个上述最终运动意图指令进行类别统计，选取出现次数最多的类别作为平滑后的运动意图指令输出至上述外部设备控制接口模块；状态锁定子单元，与上述多数表决子单元通信连接，用于当上述平滑后的运动意图指令与前一时刻输出的平滑后运动意图指令类别不同时，启动持续时间为的锁定计时器，在上述锁定计时器未超时期间，强制维持前一时刻的平滑后运动意图指令不变。

10、进一步地，上述在线自适应解码模块还包括解码置信度动态校准单元，上述解码置信度动态校准单元包括：实时信噪比估计子单元，用于基于上述预处理后的脑电信号，计算当前时间窗口内目标频段信号功率与全频段噪声功率的比值，作为当前信噪比指标；置信度映射函数生成子单元，与上述实时信噪比估计子单元通信连接，用于根据上述当前信噪比指标动态调整sigmoid映射函数的斜率参数和偏置参数，其中，当上述当前信噪比指标升高时，增大上述斜率参数并减小上述偏置参数，当上述当前信噪比指标降低时，减小上述斜率参数并增大上述偏置参数；输出概率重标定子单元，与上述置信度映射函数生成子单元以及上述自适应更新单元通信连接，用于将上述更新后的分类器模型输出的原始概率值输入经动态调整后的上述sigmoid映射函数，得到重新标定后的解码置信度，并将上述重新标定后的解码置信度替代上述原始概率值作为上述最终运动意图指令的附带置信度信息输出至上述外部设备控制接口模块。

11、根据本发明实施例的另一方面，还提供了一种脑电控制方法，该方法包括：实时采集用户的原始脑电信号；对上述原始脑电信号进行滤波和伪迹去除处理，输出预处理后的脑电信号；基于上述预处理后的脑电信号，通过滑动时间窗口机制提取时频域特征向量，并计算上述时频域特征向量的当前统计分布参数；根据预设的初始模型参数对上述时频域特征向量进行运动意图解码，输出初步解码结果，根据上述当前统计分布参数与历史基准分布参数之间的差异度量值，动态调整上述初始分类器单元的模型参数，生成更新后的分类器模型，并利用上述更新后的分类器模型对后续输入的上述时频域特征向量进行解码，输出最终运动意图指令；接收上述最终运动意图指令并将其转换为对应的外部设备控制信号。

12、在本发明实施例中，该脑电控制系统采用动态特征提取与在线自适应解码相结合的方式，通过滑动时间窗口机制实时提取预处理后脑电信号的时频域特征向量并计算其当前统计分布参数，同时利用自适应更新单元根据当前统计分布参数与历史基准分布参数之间的差异度量值，动态调整初始分类器单元的模型参数以生成更新后的分类器模型，达到了使解码模型能够实时追踪并补偿因个体差异及非平稳性引起的脑电特征漂移的目的，从而实现了在无需频繁重新校准的前提下维持长时间连续使用中高解码准确率的技术效果，进而解决了现有技术中的脑电控制系统存在的缺乏在线自适应能力导致长时间使用解码准确率下降的技术问题。