[發明專利]基于模態遷移復雜網絡的機器人智能意念控制方法

有效

• 申請號: 201810168227.5
• 申請日: 2018-02-28
• 公開（公告）號: CN108415568B
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 高忠科;黨偉東;侯林華;劉新睿
• 申請（專利權）人: 天津大學
• 主分類號: G06F3/01
• 分類號: G06F3/01
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 杜文茹

一種基于模態遷移復雜網絡的機器人智能意念控制方法：通過機器人中每個機器人攜帶的圖片采集設備，獲取周圍環境信息，使機器人具備目標識別功能；采集被試者注視視覺激勵界面中閃爍圖片時誘發的4電極SSVEP腦電信號，通過WiFi無線傳輸至上位機；使用多元經驗模態分解方法對獲得的4電極SSVEP腦電信號進行處理，并結合模態遷移復雜網絡分析理論，實現對SSVEP腦電信號的準確分類，反推被試者注視的視覺激勵圖片，進而生成機器人編隊控制指令，實現機器人智能意念控制。本發明使得機器人可選擇的方向目標更為豐富。對信號的分析處理能力強，識別控制準確率高。

技術領域

本發明涉及一種意念控制方法。特別是涉及一種基于模態遷移復雜網絡的機器人智能意念控制方法。

背景技術

腦機接口(Brain-Computer Interface，BCI)是不依賴于由外圍神經和肌肉組成的輸出通路，直接連接大腦和計算機及外部設備的通訊系統。腦機接口系統具有無創采集、操作簡單的優點以及獨特的時間分辨率優勢。腦機接口系統通常由四個模塊組成：腦電信號采集模塊、腦電信號特征提取模塊、腦電信號特征分類模塊以及外部設備控制模塊。特征提取模塊以及特征分類模塊是整個腦機接口最核心的部分，正是通過這兩個模塊可以將腦電信號轉換為可以被外部設備識別的控制信號。腦電信號的特點有微弱性、復雜性以及不穩定性，由于腦電信號的這些特性，對于范式設計以及特征提取與分類有比較高的要求。

尋求有效的特征提取及分類的方法是提高識別準確率關鍵技術之一。常用的特征提取方法有功率譜分析、小波變換、共空間模式算法等。但是這些算法仍存在一些局限性。本專利中采用的多元經驗模態分解(Multivariate empirical mode decomposition，MEMD)法不僅可以有效地解決模態混疊及尺度對齊的問題，而且具備更好的自適應性和時頻局部化能力。

自從20世紀50年代第一臺工業機器人誕生以來，隨著通信、計算機、傳感、電子、控制等技術以及人工智能技術的快速發展，集多種先進技術為一體的機器人技術在市場需求的牽引下已經取得了很大的發展。增強現實技術，不僅展現了真實世界的信息,而且將虛擬的信息同時顯示出來，兩種信息相互補充、疊加。通過將增強現實技術應用于機器人智能意念控制，可有效提升機器人的可操作性以及適應能力，為機器人在更多領域的應用提供了重要基礎。

發明內容

本發明所要解決的技術問題是，提供一種基于模態遷移復雜網絡的機器人智能意念控制方法，機器人采集大量周圍環境信息并將數據傳輸至上位機，通過深度學習理論，實現增強現實與目標識別；同時使用EEG腦電采集系統采集4電極的SSVEP腦電信號，對采集到的SSVEP信號進行多元經驗模態分解，通過模態遷移復雜網絡理論進行分析，利用SVM進行分類，主控系統基于分類結果下達控制指令，從而實現智能意念控制方法。

本發明所采用的技術方案是：一種基于模態遷移復雜網絡的機器人智能意念控制方法，包括如下步驟：

1)通過機器人攜帶的圖片采集設備，獲取周圍環境信息，結合深度學習理論，使機器人具備目標識別功能；

2)通過EEG腦電信號采集設備采集被試者注視視覺激勵界面中閃爍圖片時誘發的4電極SSVEP腦電信號，將采集的4電極SSVEP腦電信號進行濾波和去噪聲處理后，通過WiFi無線傳輸至上位機；

3)使用多元經驗模態分解方法對獲得的4電極SSVEP腦電信號進行處理，并結合模態遷移復雜網絡分析理論，實現對SSVEP腦電信號的準確分類，反推被試者注視的視覺激勵圖片，進而生成機器人控制指令，向步驟1)中識別的目標移動，實現機器人智能意念控制。

步驟1)包括：

(1)機器人分別從不同角度采集周圍環境圖片信息，所述機器人為一個機器人或者為能夠實現協作運行的機器人編隊；

(2)通過WiFi無線傳輸方式將采集到的圖片上傳至服務器；