基于近红外光谱脑功能成像技术的运动意识识别与助行机械腿控制方法研究

Faced the requirements of patients with motor dysfunction for realizing independent walking, developments of intelligent walking-assistive devices have attracted much attention recently. Brain-machine interface technology provides a new direction for realizing intelligent control of a robot. Combined with the research status of brain-machine interface technology, this project proposed a research on the control of a walking-assistive mechanical leg by using near- infrared spectroscopic (NIRS) technology. Firstly, based on the motion information of lower-limbs in some typical motion modes, to build a mapping model of motion parameters for the corresponding joints of two legs. Secondly, based on cerebral hemoglobin information in the corresponding motion modes, to propose a recognition algorithm for identifying motion intentions of lower-limbs. Thirdly, to propose a control method of a walking-assistive mechanical leg by the combination of cerebral hemoglobin information and motion information of lower-limbs: A corresponding mapping model of motion parameters for the joints of lower-limbs will be selected in view of the identified motion intention. Then, based on the selected mapping model, to control the mechanial leg by combining multi-source biological information and make it perform movements in accordance with the motion intention of a subject. At last, to set up a experimental platform and verify the feasiability and advantages of the proposed control method. This project combines NIRS technology and robot control technologies, and opens a new research direction of brain-machine interface for realizing the intelligent control of a walking-assistive device.It has important academic significance and social significance.

针对有运动功能障碍的患者实现独立行走的迫切需求，智能助行设备的研发备受关注。脑-机接口技术为实现机器人的智能控制提供一崭新的方向。结合脑-机接口技术的研究现状，本项目提出基于近红外光谱脑功能成像（NIRS）技术的助行机械腿控制方法研究。首先，基于多种典型运动模式下的双腿运动信息，建立双腿对应关节的运动参数映射模型。其次，基于相应运动模式下的大脑血氧信息，提出下肢运动意识的模式识别算法。然后，提出基于大脑血氧信息和肢体运动信息的助行机械腿控制方法：根据识别的运动意识选择相应的双腿关节运动参数映射模型，基于映射模型结合多源生物信息控制机械腿，使其按照人体的运动意识动作。最后，搭建实验平台，验证将大脑血氧信息与肢体运动信息相结合进行机械腿控制的可行性与优越性。本项目将NIRS技术与机器人控制技术相结合，为实现助行设备的智能驱动开辟一个崭新的脑-机接口技术研究方向，具有重要的学术意义和社会意义。

面对运动功能障碍患者实现独立行走的迫切需求，智能助行设备的研发备受关注。基于大脑信号判断运动意识并用于驱动控制可提高助行设备的智能性，然而，大脑电极植入、fMRI、PET、MEG和EEG等技术具有工作环境受限、大脑意识状态不自然、测量时间有限、需要大量前期训练、思维模式固定、空间分辨率和时间分辨率不能同时满足、或是对使用者造成伤害等问题，相应的实验多在特定条件下完成，缺乏自然性与灵活性，实用性不强。相对而言，NIRS技术的非侵入式、对测试环境以及受试者限制少、在认知活动的自然情景下支持长时间测量、具有理想的空间和时间分辨率的功能性等优点使其在脑-机接口应用领域具有很大的优势。因此，本项目提出基于近红外光谱脑功能成像（NIRS）技术的运动意识识别和助行机械腿控制方法研究。主要研究内容以及研究成果概括如下：.1. 建立了双腿对应关节的运动参数映射模型。基于双腿对应膝关节的运动轨迹、速度和作用力在幅值以及时间上的映射关系，将一个步态周期依次分为足持平周期、支撑前期、支撑中期、支撑后期、预摆动周期、摆动前期、摆动中期和摆动后期8个相位，一只腿的足持平、支撑前期、支撑中期和支撑后期分别对应另一只腿的预摆动、摆动前期、摆动中期和摆动后期。应用正弦函数或余弦函数近似描述每个相位的运动轨迹。基于该映射关系，根据一个膝关节当前的运动参数判断出相位周期，并结合该关节前半个步态周期的运动轨迹实时的推出对侧膝关节当前的参考运动轨迹，增加了双侧膝关节运动的对称性，有利于控制患肢侧助行设备协助患者平稳运动。同时，基于生物力学信息的峰值状态和变化趋势等特征判别各个相位，减少了相位误判断，有利于控制助行设备的稳定性，并有利于控制助行设备协助不同的患者实现独立行走。 .2. 基于脑皮层血红蛋白信息判别运动的起止。应用统计分析方法对总血红蛋白的变化速率进行分析，针对运动起止时刻运动关联区域内各个通道的时间效应、区域之间的交互作用以及两两通道距离差之和的时间效应等特征，应用支持向量机方法识别运动的起始与终止，平均准确识别率达到88.05%。.3. 基于脑皮层血红蛋白信息判别运动的模式。应用统计分析方法对含氧血红蛋白和脱氧血红蛋白的变化速率进行分析，针对运动起始时刻左右脑半球运动前区内二者之间的统计差异、以及辅助运动区内含氧血红蛋白的变化趋势等特征，直接应用统计分析方法识别出上台阶、下台阶、行走、蹲