本發(fā)明涉及腦-機接口（brain-computerinterface，bci）技術(shù)領(lǐng)域，更具體地說，涉及一種基于ern反饋的腦-機接口系統(tǒng)。

背景技術(shù)：

腦-機接口(braincomputerinterfaces,bci)是一種不依賴于大腦外圍神經(jīng)和肌肉而直接控制執(zhí)行設備的系統(tǒng)，通過解碼人腦意識信號，實現(xiàn)對外部裝置的控制。bci在醫(yī)療康復、生活娛樂、軍事行動領(lǐng)域有廣泛的應用前景，已經(jīng)成為腦科學、神經(jīng)生理學、信號分析、控制科學和計算機科學的交叉研究熱點。

目前bci研究已經(jīng)取得了一定的進展，然而，任務類別少和任務識別正確率低是制約bci系統(tǒng)發(fā)展的主要因素。引入反饋機制是提高bci系統(tǒng)正確率的重要途徑之一，當前具有反饋機制的bci系統(tǒng)處理步驟一般為：腦電采集、預處理、任務分類識別、執(zhí)行設備執(zhí)行任務、視覺反饋，如公布號cn105468143a。然而，視覺反饋發(fā)生在執(zhí)行設備執(zhí)行任務后，沒有對此次任務進行調(diào)整。神經(jīng)生理學研究表明：個體在感知發(fā)生錯誤時，其頭皮額中央?yún)^(qū)可以記錄到與錯誤反應特定相關(guān)的負走向波形，稱為錯誤相關(guān)負電位（errorrelatednegativity，ern）。當屏幕顯示的分類識別和個體意愿相駁時，可誘發(fā)ern，通過檢測ern實現(xiàn)在執(zhí)行設備運作前反饋并進行指令糾錯。

因此，本發(fā)明針對現(xiàn)有腦-機接口技術(shù)的不足，提供一種性能可靠的基于ern腦-機接口反饋系統(tǒng)。

技術(shù)實現(xiàn)要素：

本發(fā)明針對在腦-機接口中采用視覺反饋構(gòu)成閉環(huán)系統(tǒng)的弊端，基于使用者得知腦-機接口任務錯誤時（個體在感知發(fā)生錯誤）誘發(fā)ern的原理，通過屏幕實時顯示腦-機接口分類識別結(jié)果，通過是否能檢測到ern，實現(xiàn)在執(zhí)行設備運作前反饋并進行指令糾錯。

為達到上述目的，本發(fā)明提供的技術(shù)方案為：一種基于ern反饋的腦-機接口系統(tǒng)，包括腦電采集模塊、預處理模塊、任務分類識別模塊、屏幕顯示模塊、ern檢測模塊、執(zhí)行設備模塊、智能終端載體；所述的腦電采集模塊采用采集卡，信號放大器，10-20國際標準電極位置的電極帽組成，用于采集腦電信號；所述的預處理模塊用于對采集到的腦電信號濾波，去偽跡，去基線；所述的任務分類識別模塊用于對腦-機接口任務分類識別；所述的屏幕顯示模塊用于實時顯示腦-機接口任務分類識別結(jié)果；所述的ern檢測模塊用于檢測ern；所述的執(zhí)行設備模塊將腦-機接口任務分類識別結(jié)果轉(zhuǎn)化為指令，控制執(zhí)行設備運作；所述的智能終端載體是預處理模塊中預處理算法程序、任務分類識別模塊中任務分類識別算法程序、ern檢測模塊中ern檢測算法程序、以及輔助程序的載體平臺，其中輔助程序用于管理各個模塊之間的協(xié)同運作。

所述的腦-機接口任務模塊包括運動想象腦-機接口模式、p300腦-機接口模式、ssvep腦-機接口模式三種模式。

所述的屏幕顯示模塊置于使用者視野前，實時顯示腦-機接口任務分類識別結(jié)果，作為ern的誘發(fā)事件。

所述的ern檢測模塊檢測出ern，腦-機接口任務失敗，反饋為負；未檢測出ern，腦-機接口任務成功，反饋為正。當反饋為正，執(zhí)行模塊執(zhí)行腦-機接口任務；當反饋為負，進行系統(tǒng)糾正。當反饋為正，執(zhí)行設備模塊將此次分類識別結(jié)果轉(zhuǎn)化為指令，控制執(zhí)行設備運作；當反饋為負，進行系統(tǒng)糾正。

所述的系統(tǒng)糾正，當腦-機接口任務是兩分類任務時，執(zhí)行設備模塊將另一類分類識別結(jié)果轉(zhuǎn)化為指令，控制執(zhí)行設備運作；當腦-機接口任務是多分類任務，舍棄此次腦-機接口分類識別結(jié)果。

所述的預處理算法程序內(nèi)置預處理模塊，用于對腦電信號進行濾波、去偽跡、去基線處理。

所述的任務分類識別算法程序用于識別腦-機接口任務。

所述的ern檢測算法采用小波變換重構(gòu)信號，提取低頻時域和高頻時域、頻域特征進行單次檢測。

所述的輔助程序用于控制各個模塊之間的協(xié)同運作。

對屏幕顯示腦-機接口識別結(jié)果的出現(xiàn)時刻打標，以定位ern的起始點。

使用者使用系統(tǒng)前，建立使用者的ern檢測模型。

采用本發(fā)明提供的技術(shù)方案，與已有的公知技術(shù)相比，具有如下有益效果：（1）本發(fā)明的一種基于ern反饋的腦-機接口系統(tǒng)基于ern原理，通過是否能檢測到ern，實現(xiàn)在執(zhí)行設備運作前反饋。

（2）本發(fā)明的一種基于ern反饋的腦-機接口系統(tǒng)可以完成運動想象腦-機接口模式、p300腦-機接口模式和ssvep腦-機接口模式的反饋。

（3）本發(fā)明的一種基于ern反饋的腦-機接口系統(tǒng)ern檢測算法采用小波變換，提取0-4hz時域特征，4-8hz，8-16hz時域、頻域特征進行單次ern檢測。

附圖說明

圖1為基于ern反饋的腦-機接口系統(tǒng)的示意圖。

圖2為基于ern反饋的腦-機接口系統(tǒng)的系統(tǒng)框圖。

圖3為普通的視覺反饋腦-機接口系統(tǒng)的系統(tǒng)框圖。

圖4為基于ern反饋的腦-機接口系統(tǒng)的流程圖。

圖5為腦電采集的通道圖。

具體實施方式

結(jié)合以下實施例對本發(fā)明作進一步描述。

一種基于ern反饋的腦-機接口系統(tǒng)，包括腦電采集模塊、預處理模塊、任務分類識別模塊、屏幕顯示模塊、ern檢測模塊、執(zhí)行設備模塊、智能終端載體；所述的腦電采集模塊采用采集卡，信號放大器，10-20國際標準電極位置的電極帽組成，用于采集腦電信號；所述的預處理模塊用于對采集到的腦電信號濾波，去偽跡，去基線；所述的任務分類識別模塊用于對腦-機接口任務分類識別；所述的屏幕顯示模塊用于實時顯示腦-機接口任務分類識別結(jié)果；所述的ern檢測模塊用于檢測ern；所述的執(zhí)行設備模塊將腦-機接口任務分類識別結(jié)果轉(zhuǎn)化為指令，控制執(zhí)行設備運作；所述的智能終端載體是預處理模塊中預處理算法程序、任務分類識別模塊中任務分類識別算法程序、ern檢測模塊中ern檢測算法程序、以及輔助程序的載體平臺，其中輔助程序用于管理各個模塊之間的協(xié)同運作。

參看圖1，本發(fā)明由腦電采集模塊、預處理模塊、任務分類識別模塊、屏幕顯示模塊、ern檢測模塊、執(zhí)行設備模塊、智能終端載體7部分構(gòu)成。

參看圖1，所述的預處理模塊、任務分類識別模塊、ern檢測模塊以程序形式內(nèi)置于智能終端載體。

參看圖1，所述的腦電采集模塊由采集卡、信號放大器、10-20國際標準電極位置的電極帽構(gòu)成，腦電信號由置于使用者頭上的電極帽采集，然后交給采集卡和信號放大器處理。

所述的預處理模塊用于對采集到的腦電信號進行濾波，去偽跡，去基線，提高腦電信號的信噪比。

所述的任務分類識別模塊包括運動想象腦-機接口模式、p300腦-機接口模式、ssvep腦-機接口模式三種模式；其采用對應腦-機接口模式的分類識別算法，對使用者在腦-機接口任務態(tài)時刻的eeg分類識別；其在對任務分類識別前，首先要建立使用者對應模式的分類器模型。

所述的ern檢測模塊對使用者在屏幕顯示時刻后的eeg，采用小波變換，提取0-4hz時域特征，4-8hz，8-16hz時域、頻域特征的算法進行單次ern檢測；在進行單次ern檢測前，首先要建立使用者誘發(fā)ern與非誘發(fā)ern的分類器模型。

所述的智能終端載體還內(nèi)置有輔助程序，用于管理各個模塊之間的協(xié)同運作。

參看圖1，所述的屏幕顯示模塊置于使用者視野前50-70cm，實時顯示腦-機接口任務分類識別結(jié)果；使用者根據(jù)顯示結(jié)果判斷是否和意愿相同，從而引發(fā)未感知錯誤與感知錯誤，進而未誘發(fā)ern與誘發(fā)ern；對使用者感知錯誤時刻準確定位，是檢測ern的關(guān)鍵，本發(fā)明通過對屏幕顯示的出現(xiàn)時刻打標，以定位ern的起始點。

參看圖1，執(zhí)行設備模塊通過wifi與智能終端載體通信，將智能終端載體發(fā)出腦-機接口任務分類識別結(jié)果轉(zhuǎn)化為指令，控制執(zhí)行設備運作。

參看圖2，本發(fā)明的具體運行步驟如下：（1）使用者開始使用本發(fā)明后，先有一段提示說明。

（2）使用者執(zhí)行系統(tǒng)的腦-機接口任務。

（3）屏幕實時顯示腦-機接口任務分類識別結(jié)果，并記錄標簽。

（4）進行ern單次檢測。

（5）當ern檢測模塊檢測出ern，腦-機接口任務失敗，反饋為負；未檢測出ern，腦-機接口任務成功，反饋為正。

（6）當反饋為正，根據(jù)此次腦-機接口分類識別的結(jié)果轉(zhuǎn)化為指令，執(zhí)行設備模塊執(zhí)行指令；當反饋為負，進行系統(tǒng)糾正。

（7）當機接口任務是兩分類任務時，根據(jù)此次腦-機接口分類識別相對的結(jié)果轉(zhuǎn)化為指令，執(zhí)行設備模塊執(zhí)行指令；機接口任務是多分類任務時，返回（2），繼續(xù)執(zhí)行此次的腦-機接口任務。

參看圖3、圖4，本發(fā)明基于ern原理，通過是否能檢測到ern，實現(xiàn)在執(zhí)行設備執(zhí)行腦-機接口任務前反饋并進行指令糾錯。

參看圖5，本發(fā)明采用“af3、af4、f7、f6、fc1、fc2”通道采集eeg，通道采用10-20國際標準電極位置。

ern信噪比低,個體差異大，單次檢測ern是本發(fā)明的核心難點。本發(fā)明采用小波變換重構(gòu)信號，提取低頻時域和高頻時域、頻域特征進行單次檢測。具體步驟如下：（1）輸入“af3、af4、f5、f6、fc3、fc4”6個通道，反饋刺激后200-600mseeg數(shù)據(jù)x(i)。

（2）去除已采集eeg的基線，眼電，并降采樣至250hz。

（3）選取db4為小波基函數(shù),進行6層小波分解。

（4）選取d5層、d6層、c6層小波系數(shù)重構(gòu)xd5(i)，xd6(i)，xc6(i)信號。

（5）計算6通道重構(gòu)信號xc6(i)的平均值，間隔50ms提取采樣點作為ern低頻時域特征；計算6通道重構(gòu)信號xd5(i)、xd6(i)的均方差、能量，然后求平均作為ern高頻時域、頻域特征。共提取12維特征。

以上所述僅為本發(fā)明的較佳實施例,并不用以限制本發(fā)明,凡在本發(fā)明的精神和原則之內(nèi),所作的任何修改、等同替換、改進等,均應包含在本發(fā)明的保護范圍之內(nèi)。