一种基于脑电信号的设备控制系统及方法与流程

本发明属于脑电信号处理领域，特别涉及一种基于脑电信号的设备控制系统及方法。

背景技术：

1、脑机接口技术是一种依托于脑科学发展起来的新兴技术，在医疗，教育等领域发挥着越来越重要的作用。脑机接口技术包含着运动想象，稳态视觉诱发电位等多个研究方向，而运动想象与物联网地结合帮助肢体运动障碍患者实现自主生活方面的应用也越来越多。目前的基于脑机接口的控制系统，多是基于视觉激发脑电信号中的特定成分，加以识别后转化为控制指令，但视觉激发所使用的低频闪烁容易造成视觉疲劳，无法长期使用。

2、基于运动想象的智能家居控制一般通过：设计运动想象方式，脑电帽获取脑电波，算法实现脑电波解码实现对于患者运动意图的识别，最后将识别信号传递给外部执行机构实现设备控制。

3、当前脑电信号解码识别算法有很多，大多是通过机器学习的方法实现特征提取，再将提取到的特征送入分类器进行分类解码。目前市面上存在许多使用机器学习多是基于明确的任务时间，就任务时间内的脑电信号进行分类，这种范式需要明确的任务时间区间，且每次使用前都需要进行训练，无法应用在需要持续响应控制的智能家居控制的场景。

技术实现思路

1、发明目的：本发明针对现有技术存在的问题，提出了一种通过将采集到的脑电信号与标准的运动想象脑电信号进行匹配，根据匹配结果完成对设备的控制的基于脑电信号的设备控制系统。

2、技术方案：为实现上述目的，本发明提供了一种基于脑电信号的设备控制系统，包括脑电信号采集模块、标准脑电信号生成模块和设备控制模块；

3、其中，脑电信号采集模块用于采集用户进行运动想象时的脑电信号；

4、标准脑电信号生成模块，用于生成不同运动想象对应的标准脑电信号；并保存到标准脑电信号集；

5、设备控制模块，将当前采集到的脑电信号与标准脑电信号生成模块中的标准脑电信号集中的每段标准脑电信号进行匹配；并根据匹配成功的运动想象的类别找到对应的设备控制指令，根据设备控制指令对设备进行控制。

6、其中，标准脑电信号生成模块中包括第一特征提取模型，采用第一训练数据集训练第一特征提取模型，将第一训练数据集中的所有脑电信号通过训练完成的第一特征提取模型映射到特征空间形成特征向量；计算不同类别特征向量的类心特征向量；将得到的不同类别的类心特征向量分别输入到第一特征提取模型中进行反向传播；获得不同类别运动想象对应的标准脑电信号。

7、进一步，第一特征提取模型包括孪生神经网络和triplet损失函数；在多类别脑电信号数据集中随机采样一段脑电信号设为anchor脑电信号；在与anchor脑电信号类别相同的脑电信号中随机采样一段脑电信号设为positive脑电信号；在与anchor类别不同的数据中随机采样一段脑电信号设为negative脑电信号；形成一个三元训练样本，不断重复，将多类别脑电信号数据集中所有脑电信号进行组合，形成第一训练数据集。利用第一训练数据集训练第一特征提取模型，这样得到的第一特征提取模型所提取的特征更具备更好的区分性，即同一类的特征向量距离更近，不同类别的特征向量距离远。

8、进一步，所述标准脑电信号生成模块包括校准子模块和用户标准脑电信号生成模块；

9、其中，校准子模块，采用用户执行运动想象任务时的脑电信号和标准脑电信号集中的标准脑电信号作为第二训练数据集，采用第二训练数据集对第一特征提取模型进行迁移训练；得到第二特征提取模型；

10、用户标准脑电信号生成模块，将第二训练数据集中的所有脑电信号通过训练完成的第二特征提取模型映射到特征空间形成特征向量；计算不同类别的类心特征向量；将得到的不同类心特征向量分别输入到第二特征提取模型中进行反向传播；获得针对用户的不同类别运动想象对应的标准脑电信号，并保存到标准脑电信号集。这样可以得到专属于用户的标准脑电信号，从而可以有效的提高设备控制的准确率。

11、进一步，所述设备控制模块对当前采集到的滑动时间窗内的脑电信号与标准脑电信号集中的每段标准脑电信号进行匹配。采用这样的方式，可以在控制时间窗口内，对设备进行不锁时的连续控制，极大的提升了设备的控制效率；其中锁时表示一个固定的时间窗口只能给出一个预测结果。

12、进一步，所述滑动时间窗的大小与标准脑电信号的时间长度一致。这样可以有效的提高脑电信号匹配结果的准确性。

13、本发明还提供了一种基于脑电信号的设备控制方法，包括以下步骤：

14、将采集到的用户执行运动想象时的脑电信号与标准脑电信号数据集中的标准脑电信号进行匹配；

15、通过匹配，获取当前用户执行的运动想象类别；

16、根据运动想象类别找到对应的设备控制指令；将控制指令发送到设备，完成设备控制；

17、其中，标准脑电信号的获取方法为：采用第一训练数据集训练第一特征提取模型，第一训练数据集包括不同类别的运动想象脑电信号；将第一训练数据集中的所有脑电信号通过训练好的第一特征提取模型映射到特征空间形成特征向量；分别计算不同类别的类心特征向量；将获得的不同类别特征向量的分布中心输入到训练好的第一特征提取模型中进行反向传播，从而得到不同类别的运动想象的标准脑电信号，组成标准脑电信号集。

18、进一步，标准脑电信号的获取方法中还包括校准部分和用户标准脑电信号生成部分，

19、其中，校准部分，采用用户执行运动想象任务时的脑电信号和标准脑电信号集中的标准脑电信号作为第二训练数据集，采用第二训练数据集对第一特征提取模型进行迁移训练；得到第二特征提取模型；

20、用户标准脑电信号生成部分，将第二训练数据集中的所有脑电信号通过训练完成的第二特征提取模型映射到特征空间形成特征向量；计算不同类别特征向量的类心特征向量；将得到的不同类心特征向量分别输入到第二特征提取模型中进行反向传播；获得针对用户的不同类别运动想象对应的标准脑电信号，标准脑电信号集。

21、本发明还提供了一种基于上述脑电信号的设备控制系统的家居控制系统，包括脑电信号采集模块、标准脑电信号生成模块和设备控制模块、视觉引导模块、ssvep_bci模块和物联网模块；

22、视觉引导模块用于显示连接在物联网中所有的可以控制的设备列表和引导运动想象任务；视觉引导模块将控制设备列表以图块形式显示，每个图块以固定的频率闪烁；

23、ssvep_bci模块通过视觉引导模块中显示的控制设备列表激发用户的脑电信号中的稳态视觉诱发电位，确定用户选定控制的设备；

24、脑电信号采集模块用于采集用户执行运动想象任务时的脑电信号；

25、标准脑电信号生成模块，用于生成不同运动想象对应的标准脑电信号；并保存到标准脑电信号集；

26、设备控制模块，将当前采集到的脑电信号与标准脑电信号生成模块中的标准脑电信号集中的每段标准脑电信号进行匹配；并根据匹配成功的运动想象的类别找到对应的设备控制指令，并将设备控制指令通过物联网模块发送到用户选定的设备，完成设备控制；

27、其中，标准脑电信号生成模块中包括第一特征提取模型，采用第一训练数据集训练第一特征提取模型，将第一训练数据集中的所有脑电信号通过训练完成的第一特征提取模型映射到特征空间形成特征向量；计算不同类别特征向量的类心特征向量；将得到的不同类心特征向量分别输入到第一特征提取模型中进行反向传播；获得不同类别运动想象对应的标准脑电信号。

28、本发明还提供了一种存储软件的计算机可读介质，所述软件包括能通过一个或多个计算机执行的指令，所述指令通过这样的执行使得所述一个或多个计算机执行操作，所述操作包括如上述基于脑电信号的设备控制方法的流程。

29、本发明还提供了一种计算机系统，包括：

30、一个或多个处理器；

31、存储器，存储可被操作的指令，所述指令在通过所述一个或多个处理器执行时使得所述一个或多个处理器执行操作，所述操作包括上述基于脑电信号的设备控制方法的流程。

32、有益效果：与现有技术相比，本发明通过将采集到的脑电信号与标准的运动想象脑电信号进行匹配，根据匹配结果完成对设备的控制，从而不需要在每次使用前对系统进行训练，有效提高了设备的控制效率。

33、同时，本发明能够对设备进行不锁时的控制，用户在使用的过程中，不需要在规定的任务时间短内完成运动想象的任务，使用更加方便。

34、再者，本发明能够在长期使用过程中稳定识别出用户的运动想象意图，从而大大增加了用户在使用过程中对设备控制的准确性。