[發明專利]基于雙模校驗機制的腦電驅動高可靠操控系統

有效

• 申請號: 201210012831.1
• 申請日: 2012-01-16
• 公開（公告）號: CN102654793A
• 公開（公告）日: 2012-09-05
• 發明（設計）人: 胡德文;周宗潭;印二威;劉亞東;姜俊;岳敬偉
• 申請（專利權）人: 中國人民解放軍國防科學技術大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06F11/08
• 代理公司: 湖南兆弘專利事務所 43008
• 代理人: 趙洪;周長清

技術領域

本發明主要涉及到腦機接口技術領域，特指一種基于雙模校驗機制設計的腦電驅動高可靠操控裝置。

背景技術

通過某種操作對特定設備實施控制的系統均可稱之為操控系統。例如，電腦、電視及空調等家電的使用，智能輪椅的控制，飛機等武器裝備的駕駛等等都需要通過操控系統來實現。目前操控系統廣泛應用于家電控制、醫療助殘及軍事航空航天領域的飛行器駕駛等場合。近年來，遙控裝置的研發與應用滿足了環境遠距離操控的需求，為實現人不能到達或不方便到達的操控場景的控制帶來了極大的便利。然而，對于類似飛行員飛行過程中處于超重狀態無法抬起手臂，負傷士兵運動能力喪失或行動不便，及患有運動性功能障礙的殘疾人等無法實施動作或很難完成操作動作等場景，傳統的操控系統很難幫助人來實現對設備的操作。目前，針對這種非動作式的人機交互需求，人們已經開發了語音識別系統、眼動識別系統及腦機接口系統等操控系統。語音識別系統最大的缺點就是受背景噪聲的影響較為嚴重，而眼動識別系統受人眼與識別裝置的相對位置影響較大，此外，這兩種系統均不適用于完全喪失運動能力的用戶。

腦機接口(Brain-Computer?Interface，BCI)是一種新的不依賴于外周神經和肌肉參與的通訊系統。它通過檢測并判別腦電信號中對應不同大腦活動所體現出來的時空模式來識別人的意圖，從而實現人腦與外界交流和控制。BCI技術具有不需要人的肢體活動或語言表達參與的、無動作、非接觸的特點，這使其不但在助殘、康復工程、娛樂等領域有著廣泛的應用前景，在國內外軍方的武器裝備研發領域也同樣引起廣泛關注。隨著人們對大腦功能不斷深入的研究及信號處理技術的快速進步，通過安放在用戶頭部電極采集到的頭皮腦電圖(Electroencephalogram，EEG)信號的處理技術已經達到一定水平，這為腦電驅動的操控系統研究提供了技術基礎。然而，現有基于EEG信號驅動的操控系統仍處于實驗室研發階段，未在實際生活中得到廣泛應用，這主要是由于該類系統的可靠性在非實驗室環境下還難以滿足要求。

近年來，國內外眾多BCI研究團隊對采用視覺刺激誘發EEG信號的BCI范式展開了大量研究，這些研究目前主要集中在對EEG信號的時域成分和頻域成分兩種腦電模態的分析處理上，例如，采用P300事件相關電位(P300?Event-related?Potentials，P300REP)的時域信息和穩態視覺誘發電位(Steady-state?Visually?Evoked?Potentials，SSVEP)的頻域信息的研究均已經達到了較高水平。P300范式通常將目標按鍵排列成m×n矩陣。在刺激過程中，常采用RC編碼，矩陣m行和n列循環隨機閃爍，當用戶所關注的目標所在行列閃爍時，其對這種視覺刺激事件產生一種“預期到達”的心理響應而產生的一種EEG信號。在目標閃爍后約300ms左右，用戶的EEG信號會出現一個正的峰值，即P300波。通過檢測P300波的出現時刻來反推出用戶所關注的目標的閃爍時間，進而推斷出目標位置。而SSVEP范式通常是通過一組定頻閃爍的模塊來施加視覺刺激的，在刺激過程中，用戶注視以某特定頻率閃爍的字符模塊，此時，用戶頭部枕區EEG信號會產生與刺激頻率相對應的SSVEP腦電電位。SSVEP的頻譜主要集中在刺激頻率基波及其諧波頻率處，具有較高的信噪比。系統通過對EEG信號頻域成分的辨識來反推出視覺刺激的頻率，進而確定用戶所注視的目標位置。

上述采用單一模態腦電成分驅動的操控系統均可以通過增加刺激時間的方式在一定程度上提高系統可靠性，但目標選擇時間成倍的增長使原本實時性較差的系統更加難以滿足實際應用場合的需要。

發明內容

本發明要解決的技術問題就在于：針對現有技術存在的技術問題，本發明提供一種結構簡單、操作簡便、可提高操控速度并能夠提高操控可靠性和精確性的基于雙模校驗機制的腦電驅動高可靠操控系統。

為解決上述技術問題，本發明采用以下技術方案：

一種基于雙模校驗機制的腦電驅動高可靠操控系統，包括：

信號采集模塊，用來采集EEG信號并將采集到的EEG信號放大、經A/D轉換處理后傳入至信號處理模塊；

阻抗檢測模塊和參數設置模塊，用來負責系統初始化；

信號處理模塊包括時域成分信號處理模塊和頻域成分信號處理模塊，用以對EEG數據時頻特征的提取與識別，信號處理模塊將所得到的EEG信號按腦電時頻成分分成兩組處理；