，得到 多维特征向量Xk，Xk进行归一化后，输入BP神经网络，根据（4)的训练结果与所提取的脑电 特征信号进行在线表情分类。
[0044] 本发明优点在于：
[0045] 1、建立了一种基于神经生理学的面部表情驱动脑电信号的产生机理模型，可模拟 得到不同表情下的脑电信号特征，该建模方法为脑机接口技术的范式研究奠定了理论基 础。
[0046] 2、针对传统脑机接口技术的基础上，提出来一种新的不同表情驱动的脑电信号分 类方法，以产生不同面部表情驱动时的脑电信号作为控制的信息源，采用小波变换模均值 提取特征向量，采用BP神经网络结构实现模式识别，最终保证了用户操作不易疲劳与目标 任务识别的高精度。
【附图说明】
[0047] 图1是本发明方法的基于不同面部表情驱动脑电信号产生机理模型的建立流程 示意图。其中，（a)图为独立皮质区域基本神经元集群模型算法框图；(b)图为前额叶皮质 区域与边缘系统皮质区域耦合神经集群模型算法框图。
[0048] 图2为脑电信号采集单元的布置示意，根据不同面部表情控制产生机理，采集受 试者头部前额叶皮层的FC5、FC6和位于边缘系统的F7、F8位置脑电信号，选用双侧耳后位 置放置参考电极，电极测得的脑电信号，经放大、滤波后传给信号处理单元。
[0049] 图3为四种表情驱动不意图。其中，（a)图表不提眉；(b)图表不皱眉；（c)图表不 左撤嘴；（d)图表不右撤嘴。
[0050] 图4为本发明图1建模基础上对脑电分类的流程框图。
[0051] 图5为四种不同表情下受试者的50组离线的脑电识别正确率图。其中横坐标 1，2, 3, 4分别代表提眉、皱眉、左撇嘴、右撇嘴四个动作，纵坐标为50次实验后的平均离线 正确率。
【具体实施方式】
[0052] 下面结合附图及实施例对本发明作进一步详细说明。
[0053] 参考图1，一种基于不同面部表情驱动脑电信号产生机理建模方法，由生理解剖 学知识可知，大脑皮层由表情驱动控制的区域集中于前额叶皮质区S1与边缘系统区S2,针 对大脑皮层的神经集群多动态特性对Sl、S2两区域进行建模，具体包括下述步骤：
[0054] 步骤1根据101，分别建立两个独立子区域前额叶皮质区S1，边缘系统区S2脑电 信号产生模型。S1区、S2区的输入信号为其它大脑皮层脑电信号和经由表情驱动产生的触 突动作电位平均脉冲密度。
[0055] 步骤2根据102,设定S1区、S2区中每个兴奋性细胞子群包括3个兴奋性细胞单 元，每个抑制性细胞子群包含3个抑制性细胞单元，分别表示表情驱动下脑电信号的高频 段、中频段、低频段。每个独立的细胞子群先将S1区、S2区输入信号转换为平均触突后膜 电位，其冲击响应函数表达式为：
[0058] 式中，u(t)为Heaviside函数。He为兴奋性神经元突触增益，H;为抑制性神经元 突触增益，\为兴奋性神经单元延时常数，t 抑制性神经单元延时常数。
[0059] 步骤3根据103,建立非线性函数S(v)分别将式（1)、式（2)中计算得到的平均触 突后膜电位转经表情驱动控制下产生的动作电位的平均脉冲密度，非线性函数S(v)数学 表达式为：
[0060] S(v) =2ey/(1 +eM'0_')) (3)
[0061] 式中，2e。为动作电位最大发放率，v。为相对于发放率e。的突触后电位，r为s(v) 函数的弯曲程度，v表示突触前膜电压。
[0062] 步骤4根据104-106,参照图1 (a)经由兴奋细胞子群转换得到的表情驱动控制下 产生的动作电位脉冲密度，分别接受来自皮质区域内部兴奋性、抑制性细胞集群的反馈，并 与兴奋性平均触突个数与抑制性平均触突个数相影响，得到独立皮质区Sl、S2输出的特征 脑电信号，单个细胞子群的数学模型的微分表示如下：
[0063]
[0064] 式中，Cl，C2,为兴奋性细胞集群上平均突触连接数；C3,C4为抑制性细胞集群单 元上平均突触连接数；通过设定不同的参数He，Hi，Te，Ti，建立S1区、S2区上高、中、低 频率段脑电信号，其相互之间关系由权重系数co决定，其取值表示为：
[0065]
[0066] 以提眉动作为例，S1区权重系数《为《 = [0. 75, 0. 2, 0. 05]，由此得到非耦合 作用下前额叶皮质区S1产生的脑电信号，其表达式为：
[0067]
[0068] 上式中，j= 1，2代表不同区域脑电信号，i= 1，2, 3代表脑电信号的不同频率段。
[0069] 步骤5参照图1 (b)与式（4)、式（5)，建立皱眉表情驱动下S1区、S2区耦合作用产 生的脑电信号，区域之间的相互作用由耦合强度为q、区域输出均值脑电信号RM(X)决定， 其计算式为：
[麵]
(6)
[0071] 式中，y(t)为步骤4建模得到脑电信号，yn(t)为不同时刻所对应的脑电信号瞬态 值，则根据式（6)可得到S1区、S2区相互作用传递函数数学表达式为：
[0072]
(7)
[0073] 上式中，j= 1，2代表两个不同皮质区域。其它大脑皮层区域脑电信号相互作用 P(t)以输入形式参与，由此得到基于皱眉表情驱动相互耦合作用下脑电信号表达式：
[0074]
[0075] 上式中，i= 1，2,3分别代表皮质区域脑电信号的高频段（45-30HZ)、中频段 (30-15HZ)、低频段（15-OHz)，j= 1，2代表不同的皮质区域。每个区域的兴奋和抑制性增 益系数Hq和延时常数ty相同，模拟得到提眉表情驱动下的脑电信号。
[0076] 步骤6对提眉表情驱动下建模得到的脑电信号进行快速傅里叶变换，求其对数频 带能量Ei，其数学表达式为：
[0077]
〇)
[0078] 式中^代表经傅里叶变换后各频率的能量值，并计算每个频带能量在总能量中的 比值，表示为：
(10)
[0079]
[0080] 基于提眉表情驱动下建模得到的脑电信号能量分布如表1所示，确定提眉表情驱 动下脑电信号的特征值位于中频段与低频段，对照脑电信号频谱分布特征，确定基于不同 面部表情驱动下Alpha波段与theta波段特征明显。
[0081] 表1表情刺激下脑电信号不同频带分布
[0082]
[0083] 参考图2,本发明涉及的系统包括置于受试者头部的脑电信号检测单元，优先采用 多通道脑电检测设备来采集电信号，选取国际标准10/20下前额叶皮层的FC5、FC6和位于 边缘系统的F7、F8通道信号。
[0084] 参考图3,不同面部表情驱动示意图图（a)提眉动作，图（b)皱眉动作图（c)左撇 嘴动作图（d)右撇嘴动作。当使用者开始动作时，脑电采集单元采集？05、？0647、？8四通 道脑电信号。
[0085] 参考图4,当受试者进行表情驱动时，脑电检测单元采集受试者的FC5、FC6、F7、F8 通道脑电信号，通过无线蓝牙技术将脑电信号传递给信号处理单元，信号处理单元对其将 进行特征提取和模式识别，通过TTL串口通信技术实将识别结果传输给目标任务单元完成 目标任务后，使用者根据视觉信息，实现反馈。
[0086] 建模输出脑电信号特征对基于不同面部表情驱动的实时脑电信号进行分类，包括 下述步骤：
[0087] 步骤1参照图2,为受试者佩戴脑电采集单元，并采集受试者头部前额叶皮层的 FC5、FC6位置和位于边缘系统的F7、F8位置信号，测得的脑电信号经过放大滤波后送往信 号处理单元。
[0088] 步骤2参照图3,本实施例中，使用者分别作出提眉、皱眉、左撇嘴、右撇嘴动作之 〇
[0089] 步骤3参考图3,受试者根据自身需求，随机做出四种表情之一，脑电采集单元同 步采集脑电信号，经过带通滤波后，传输给信号处理单元。为获得稳定可靠数据，要求使用 者每重复10次操作，休息1次，每次操作时间规定为4s，休息时间规定为2min.四种不同 面部表情与FC5、FC6、F7、F8位置脑电信号具有一一对应关系。
[0090] 步骤4