基于动态时窗的运动想象脑电解码方法及装置

本发明涉及生物医学工程与人机交互交叉，尤其涉及基于动态时窗的运动想象脑电解码方法及装置。

背景技术：

1、脑机接口技术可在不依赖外周神经与肌肉组织的前提下，构建大脑与外部设备间的直接通信控制通道。其中，基于运动想象的脑机接口是当前应用最广泛的范式之一，常被用于中风康复训练与假肢控制。其核心原理在于，当人想象肢体运动时，大脑对侧的感觉运动皮层会出现特定频段能量降低的现象，即事件相关去同步。

2、然而，现有运动想象脑机接口系统中的脑电解码算法，普遍采用固定时间窗策略：在任务提示出现后的固定时间段内截取数据进行处理，但这种方法存在明显缺陷：

3、（一）不同使用者的神经响应潜伏期差异极大，部分使用者的事件相关去同步现象可能在提示后数秒才出现；

4、（二）即便针对同一被试，随着其精神状态、疲劳程度的变化，每次试次的激活时间点也会发生漂移。

技术实现思路

1、针对上述现有技术的缺点，本发明的目的是提供基于动态时窗的运动想象脑电解码方法及装置，以解决现有技术中的一个或多个问题。

2、为实现上述目的，本发明的技术方案如下：

3、基于动态时窗的运动想象脑电解码方法，包括如下步骤：

4、s1、通过脑电采集模块采集被试进行运动想象任务的脑电数据，且预设一个包含完整动作周期的初始时窗[,]；

5、s2、基于动态时窗模块对初始时窗[,]内脑电数据进行相关性分析，以确定最佳运动想象时窗[,]；

6、s3、基于脑电解码模块对最佳运动想象时窗内的脑电数据进行滤波器组空域特征提取，以获得高维特征向量；

7、s4、基于脑电解码模块中稀疏学习lasso算法对高维脑电特征进行特征选择，保留最具判别力的特征子集；

8、s5、利用脑电解码模块中支持向量机算法对选择的特征集相应类别进行训练学习以构建运动想象脑电识别模型，用于后续运动想象脑电解码。

9、进一步的，s2中最佳运动想象时窗的确定包括如下步骤：

10、s21、固定时间窗终点，并基于预设步长从初始时间窗起点向后滑动得到不同新起点，计算式如下式所示：

11、

12、式中：为原始的运动想象起始时刻，为新的运动想象起始时刻，为滑动步长，为常数；

13、s22、计算不同起点下样本数据的相关性矩阵和均值，并选取均值最大值对应的时刻为最佳起始时刻；

14、s23、固定已确定的最佳起始时刻，并基于预设时间步长向前滑动调整时间窗终点，计算式如下式所示：

15、

16、式中：为原始的运动想象结束时刻，为新的运动想象结束时刻，为滑动步长，为常数；

17、s24、计算不同终点下样本数据的相关性矩阵及其均值，选取均值最大值对应的时刻为最佳结束时刻。

18、进一步的，s22和s24中计算样本数据的相关性和均值以获取最佳时刻包括如下步骤：

19、基于滑动后的运动想象时窗以及所对应的脑电数据矩阵，定义矩阵中不同通道之间的相关系数；

20、得到相关系数矩阵并计算相关系数矩阵均值；

21、选取均值最大值对应的时刻作为最佳时刻。

22、进一步的，通道脑电数据的相关系数定义式如下式所示：

23、

24、式中：和代表各通道脑电数据的均值和标准差，代表采样点的数量，a和b均为对应的脑电数据矩阵所包含的脑电通道。

25、进一步的，s3中高维特征向量的获得包括如下步骤：

26、s31、滤波器组划分，包括宽频带、mu节律频带、beta节律频带以及两节律频带的若干子频带；

27、s32、对各个频带滤波后的脑电数据进行共空间模式特征提取；

28、s33、对各个频带下的脑电特征进行组合，形成高维特征向量。

29、进一步的，s4中稀疏学习lasso算法通过求解优化问题以获得稀疏回归系数，计算式如下式所示：

30、

31、式中：是真实类别标签，是初始回归参数，是d维特征向量，是控制稀疏性的超参数，是d维的稀疏回归系数，是训练样本的数目。

32、一种脑电解码装置，所述装置应用于上述的基于动态时窗的运动想象脑电解码方法，所述装置包括：

33、脑电采集模块，被配置用于实时采集被试执行运动想象任务过程中的脑电数据；

34、动态时窗模块，被配置用于对脑电数据进行相关性分析，以获得最佳运动想象时窗；

35、脑电解码模块，被配置用于分析最佳运动想象时窗内的脑电数据，提取稀疏空域脑电特征，并对其识别分类；

36、人机交互模块，被配置用于运动想象任务的提示呈现和脑电解码结果的反馈。

37、进一步的，所述脑电解码模块包括多频带滤波单元、空域特征提取单元、稀疏特征选择单元和svm分类识别单元。

38、一种电子设备，包括：处理器、存储器以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现上述的基于动态时窗的运动想象脑电解码方法。

39、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的基于动态时窗的运动想象脑电解码方法。

40、与现有技术相比，本发明的有益技术效果如下：

41、本发明采用动态时窗模块对初始时窗内脑电数据进行相关性分析，利用双向搜索策略动态确定最优时窗，解决固定时间窗难以捕获个体差异与时变漂移的问题；在此基础上，结合多频带滤波单元划分频带，用共空间模式算法提取各频带空域特征，再通过稀疏学习lasso算法进行稀疏选择以保留最具判别力的特征子集，最后由支持向量机构建识别模型，精准定位任务相关时段，增强神经信号特征表征能力与分类泛化性能，全面提升运动想象脑电解码的准确性、鲁棒性及个体适应性。

1.基于动态时窗的运动想象脑电解码方法，其特征在于：包括如下步骤：

2.如权利要求1所述的基于动态时窗的运动想象脑电解码方法，其特征在于：s2中最佳运动想象时窗的确定包括如下步骤：

3.如权利要求2所述的基于动态时窗的运动想象脑电解码方法，其特征在于：s22和s24中计算样本数据的相关性和均值以获取最佳时刻包括如下步骤：

4.如权利要求3所述的基于动态时窗的运动想象脑电解码方法，其特征在于：通道脑电数据的相关系数定义式如下式所示：

5.如权利要求1所述的基于动态时窗的运动想象脑电解码方法，其特征在于：s3中高维特征向量的获得包括如下步骤：

6.如权利要求5所述的基于动态时窗的运动想象脑电解码方法，其特征在于：s4中稀疏学习lasso算法通过求解优化问题以获得稀疏回归系数，计算式如下式所示：

7.一种脑电解码装置，所述装置应用于如权利要求1～6任意一项所述的基于动态时窗的运动想象脑电解码方法，其特征在于，所述装置包括：

8.如权利要求7所述的一种脑电解码装置，其特征在于：所述脑电解码模块包括多频带滤波单元、空域特征提取单元、稀疏特征选择单元和svm分类识别单元。

9.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，所述计算机程序存储在所述存储器中，并配置为由所述处理器执行以实现如权利要求1～6任意一项所述的基于动态时窗的运动想象脑电解码方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现如权利要求1～6任意一项所述的基于动态时窗的运动想象脑电解码方法。