一种自适应的脑神经信号处理方法及系统的制作方法
【技术领域】
[0001]本发明涉及脑信号处理领域，具体涉及一种自适应的脑神经信号处理方法及系统。
【背景技术】
[0002]在面向运动功能的脑神经信号研究领域，通常通过前端的脑机接口采集大量的脑神经信号。由于前端采集的信号时空分辨率较低，特定行为的信号特征有差异，对大量的脑神经信号的原始数据，需要经过特定的算法处理分析，才能配合后端对神经信号进行行为识别匹配和信号的解码控制等进一步研究。因此，需要一种脑信号处理方法以及系统，能够处理大量神经信号。
[0003]对神经信号的分析处理涉及到多种算法，针对具体的需求，处理所用的算法不同。传统的信号处理系统往往只有两个模块，一个控制模块，一个处理模块。在系统工作的过程中，只能对数据做单一的算法处理，由于不同算法对计算结果的影响很大，对于特定算法下产生的结果可能与实际所需要的结果有很大的差距。此外，当有算法需要变更的时候，会对整个系统产生影响，整体的灵活性差。要选取特定结果需要在程序中指定处理算法，在系统的工作过程中只能得到一种算法的处理结果。
[0004]因此，现有技术中的系统结构单一、灵活性差、算法固定，需要进行改进。
【发明内容】
[0005]本发明提供了一种自适应的脑神经信号处理方法及系统，同时采用多种算法对脑信号数据进行处理，并对处理结果进行自适应调整，以克服特定算法可能与实际结果不付的问题，灵活性好。
[0006]—种自适应的脑神经信号处理方法，包括:
[0007]步骤I，接收神经信号数据；
[0008]步骤2，同时采用不同的算法对神经信号数据进行处理，得到对应的处理结果；
[0009]步骤3，对处理结果进行自适应调整；
[0010]步骤4，对自适应调整结果进行输出。
[0011]本发明中采用不同的算法同时对神经信号数据进行处理，并采用不同的自适应调整策略对处理结果进行运算分析，能够综合不同算法的优势，使自适应调整的结果具有更好的可靠性，更加接近实际状态。
[0012]作为优选，对采集得到的神经信号数据进行预处理后，进行步骤2。
[0013]采用现有技术，对采集到的大量无序的神经信号数据进行预处理，对信号进行筛选，提取有效信号，需要对多路采集通道得到的神经信号数据进行压缩，对有用的神经信号数据进行映射处理，生成向量表，然后进行步骤2。
[0014]步骤2中对神经信号进行处理的方法可以选择现有技术中的一种或者多种，优选地，步骤2中对神经信号数据进行处理的算法包括:卡尔曼算法、支持向量机算法、支持向量机回归算法、k邻近分类算法、广义回归神经网络算法和蒙特卡洛点过程算法。
[0015]现有技术中对神经信号处理的方法各有利弊，为了克服每一种处理方法的缺陷，以得到更为接近真实状态的数据，优选地，步骤3中，任选以下方式之一对处理结果进行自适应调整:
[0016]a、对处理结果进行平均；
[0017]b、对处理结果进行加权平均；
[0018]c、求取不同算法处理结果的均方差值，以最小均方差值对应的处理结果作为自适应调整的结果；
[0019]d、利用最小二乘法对不同算法的处理结果进行拟合，得到自适应调整的结果。
[0020]步骤2中的算法和步骤3中的自适应调整策略可以根据实际情况进行选择。
[0021]本发明还提供了一种自适应的脑神经信号处理系统，包括:
[0022]输入模块，接收神经信号数据；
[0023]处理模块，同时采用不同的算法对神经信号数据进行处理，得到对应的处理结果；
[0024]自适应模块，对处理结果进行自适应调整；
[0025]输出模块，对自适应调整结果进行输出。
[0026]本发明提供的脑神经信号处理系统，能够实现算法的模块化，系统采用自适应策略，可以根据实际的输入数据自动选择最适宜的算法结果作为输出，能够很好的克服传统系统灵活性差，算法固定，不具备自适应的缺陷，采用本系统能够灵活的控制系统的工作流程，算法调整灵活，为后续神经信号的处理提供更精确的数据，解决更复杂的问题。
【附图说明】
[0027]图1为本发明中脑神经信号处理方法的流程图；
[0028]图2为本发明中脑神经信号处理系统的功能模块图；
[0029]图3为本发明中脑神经信号处理系统的结构示意图；
[0030]图4为本发明中脑神经信号处理系统的流程示意图；
[0031]图5为本发明中脑神经信号处理系统中参数设定的界面示意图。
【具体实施方式】
[0032]下面结合附图对本发明的具体结构和工作过程进行描述。
[0033]如图1所示，一种自适应的脑神经信号处理方法，包括:
[0034]步骤I，采集神经信号数据。
[0035]步骤2，同时采用不同的算法对神经信号数据进行处理，得到对应的处理结果。对神经信号数据进行处理的算法采用以下方式中的至少一种:卡尔曼算法、支持向量机算法、支持向量机回归算法、k邻近分类算法、广义回归神经网络算法和蒙特卡洛点过程算法。
[0036]步骤3，任选以下方式之一对处理结果进行自适应调整:
[0037]a、对处理结果进行平均；
[0038]b、对处理结果进行加权平均；
[0039]c、求取不同算法处理结果的均方差值，以最小均方差值对应的处理结果作为自适应调整的结果；
[0040]d、利用最小二乘法对不同算法的处理结果进行拟合，得到自适应调整的结果。
[0041]步骤4，对自适应调整结果进行输出。
[0042]如图2所示，自适应的脑神经信号处理系统，包括:
[0043]输入模块211，接收神经信号数据；
[0044]预处理模块212，对神经信号数据进行预处理，主要是对采集的原始神经信号进行通道合并，数据压缩，本实施例采用96路数据采集通路，对有用的神经信号进行映射处理，生成向量表，将结果发送至算法处理模块。
[0045]处理模块3，同时采用不同的算法对神经信号数据进行处理，得到对应的处理结果O
[0046]处理模块3具有模块化的特点，不同的算法板(每个算法板完成一种对神经信号进行处理的算法)结构一致，具备不同的算法处理功能，在系统初始化的时候对接入的处理模块进行扫描配置，可以根据实际业务的需要，自由灵活的配置算法处理模块。
[0047]自适应模块213，对处理结果进行自适应调整。主要是对不同算法返回的计算结果进行自适应算法分析。将计算结果按算法处理顺序存储，根据存储的处理数据，计算出每组算法处理结果的均方误差值，依照LMS最小均方误差策略，选取系列算法结果中均方误差最小的一组，将本组结果的数据发送至输出模块214。
[0048]输出模块214，对自适应调整结果进行输出。
[0049]采集模块I用于采集神经信号数据，并将神经信号数据通过千兆以太网传输至输入模块211。
[0050]输入模块211、输出模块214，预处理模块212、自适应处理模块213共同构成数据处理模块21。输出模块214通过网络向计算机模块输出自适应算法处理后的计算结果。
[0051]还设有控制管理模块22，数据处理模块21和控制管理模块22共同构成控制处理模块2，主要功能是控制整体系统的工作流程，对采集数据进行预处理和对算法处理模块计算结果进行自适应算法处理。
[0052]控制管理模块22用于对处理模块3进行控制管理，包括接口管理模块221，对控制处理模块和算法处理的接口管理;调度管理模块222，对整体系统的工作流程进行控制;设备配置管理模块223，对算法处理模块的配置管理。
[0053]接口管理模块2