脑电控制系统及方法与流程

本公开涉及医疗康复技术领域，尤其涉及脑电控制系统及方法。

背景技术：

康复训练在针对疾病患者，如脑卒中患者病后运动功能恢复的过程中，起到了非常重要的作用。传统康复方法包括有运动疗法和治疗师按摩等，同时近年来也出现了康复机器人辅助康复训练的方法。

现有的脑控康复训练系统大多采用运动想象或视觉刺激诱发为主要方法，通过虚拟现实场景或实际康复运动设备辅助进行反馈训练。但现有脑控康复技术存在信号采集设备配置复杂，方法复杂不稳定等问题，不适用于康复训练系统。例如需要进行康复训练的病患，通常运动中枢神经功能受损，难以有效的执行运动想象脑控方法，诱发信号强度低，运动意识特征难以有效提取，控制反馈效果很差。

技术实现要素：

本公开实施例提供一种脑电控制系统及方法，能够使得诱发脑电信号的方式更加多元化。所述技术方案如下：

根据本公开实施例的第一方面，提供一种脑电控制系统，该系统包括：脑电信号处理装置和运动康复装置，

脑电信号处理装置，采集用户的脑电信号；基于脑电信号计算脑参与度指标；根据脑参与度指标和预设脑参与度模板生成对应的控制指令，并将控制指令发送给运动康复装置；脑参与度模板存储有脑参与度指标和控制指令的对应关系；

运动康复装置，根据控制指令按照预设对应关系确定对应的运动参数，并按照运动参数运行；获取运动康复装置对应用户的第一生物数据，并将第一生物数据发送给脑电信号处理装置，第一生物数据包括运动状态数据；

脑电信号处理装置根据第一生物数据更新预设脑参与度模板。

在一个实施例中，基于脑电信号计算脑参与度指标包括：

对脑电信号进行独立分量分析消噪处理，滤除眨眼和低频噪声干扰，得到预处理信号；

利用无限脉冲响应数字滤波器将预处理信号进行带通滤波；

计算带通滤波后每一频率段的符号化样本熵；

将符号化样本熵输入至预设的特征加权支持向量机(supportvectormachine，svm)分类器中，计算得到脑参与度指标。

在一个实施例中，脑电控制系统还包括交互装置，

交互装置，显示预设运动刺激目标，运动刺激目标用于刺激脑电信号。

运动康复装置，根据控制指令按照预设对应关系调整对应的运动参数。

在一个实施例中，交互装置提供用户的操作界面，操作界面接收用户输入的以下参数的至少之一：训练模式分级参数、运动刺激目标参数、脑电参与度指标灵敏度参数、康复运动设备的极限参数；运动刺激目标的大小参数用于调整运动刺激目标的大小和/或位置；脑电参与度指标灵敏度参数用于确定预设脑参与度模板；

训练模式分级参数，用于指示不同的训练场景，每一训练场景与运动设备的极限参数、脑电参与度指标灵敏度参数对应；

康复运动设备的运动参数不大于康复运动设备的极限参数。

在一个实施例中，获取运动康复装置用户的第二生物数据，并将第二生物数据发送给交互装置，第二生物数据包括肢体关节运动变化轨迹数据；

交互装置，分析第二生物数据，生成对应用户第一属性参数和/或用户第二属性参数；

根据用户第一属性参数和/或用户第二属性参数，更新运动刺激目标对应的显示方式。

在一个实施例中，运动康复设备输出评估指标参数，并将评估指标参数发送给脑电信号处理装置，脑电信号处理装置根据评估指标参数更新预设脑参与度模板，评估指标参数包括以下至少之一：运动状态数据、运动功率信息、脑参与度脑电参与度指标灵敏度参数、脑电参与度变化曲线。

在一个实施例中，运动康复设备将评估指标参数发送给交互装置，交互装置根据评估指标参数生成分析报告并显示；脑电信号处理装置包括以下至少之一：脑电头环、多导联干电极电帽、盐水电极脑电帽或多导联湿电极脑电帽；交互装置包括以下至少之一：液晶显示设备、虚拟现实vr设备、增强现实ar设备、3d成像显示设备。

在一个实施例中，脑电信号处理装置，采集用户的脑电信号和传感器数据之前，还获取通过交互装置输入的脑电参与度指标灵敏度参数，并根据输入的脑电参与度指标灵敏度参数确定对应的脑参与度模板。

在一个实施例中，脑电信号处理装置，所述脑电信号处理装置还采集传感器数据，根据所述传感器数据获取运动加速度数据，并对所述传感器数据做四元数转换成欧拉角，计算角度数据；

将所述符号化样本熵输入至预设的特征加权支持向量机svm分类器中，计算得到脑参与度指标包括：

将所述符号化样本熵、加速度数据和角度数据输入至预设的特征加权支持向量机svm分类器中，计算得到脑参与度指标。

根据本公开实施例的第二方面，提供一种脑电控制方法，该方法包括：

脑电信号处理装置，采集用户的脑电信号；基于脑电信号计算脑参与度指标；根据脑参与度指标和预设脑参与度模板生成对应的控制指令，并将控制指令发送给运动康复装置；脑参与度模板存储有脑参与度指标和控制指令的对应关系；

运动康复装置，根据控制指令按照预设对应关系确定对应的运动参数，并按照运动参数运行；获取运动康复装置对应用户的第一生物数据，并将第一生物数据发送给脑电信号处理装置，第一生物数据包括运动状态数据；

脑电信号处理装置根据第一生物数据更新预设脑参与度模板。

采用本公开提供的实施例，可以使得病患在训练过程中以主动被动训练方法为主，保证病患主动参与治疗过程，打通运动-感觉神经传导通路，神经与肌肉间的联系得有效刺激和增强，保证康复效果。另外，本公开还提供了丰富的交互刺激模式，避免病患非常容易出现疲劳，不观察运动刺激，不主动参与训练。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本公开实施例提供的一种脑电控制系统结构图；

图2是本公开实施例提供的一种脑电控制系统结构图；

图3是本公开实施例提供的计算脑参与度指标示意图；

图4是本公开实施例提供的计算脑参与度指标示意图；

图5是本公开实施例提供的角度数据示意图；

图6是本公开实施例提供的一种脑电控制方法流程图；

图7是本公开实施例提供的一种脑电控制系统的使用方法流程图；

图8是本公开实施例提供的一种脑电控制系统的使用方法示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

以下描述的一部分明确地或者暗含地涉及算法和对计算机存储器内数据的操作的功能或者符号表示。这些算法的描述和功能或者符号表示是数据处理领域内技术人员用于更有效地向本领域内其它技术人员表达他们工作实质的方法。此处通常将算法设想为生成期望结果的一系列有条理的步骤。这些步骤是需要对诸如能够存储、传送、组合、对比以及通过其它方式操控的电、磁或者光信号的物理量进行物理操控的步骤。

除非特别说明，否则如以下可显而易见地，应该理解本说明书通篇使用的诸如“采集”、“计算”、“生成”、“发送”、“获取”、“更新”等术语的讨论，涉及计算机系统或者类似电子设备的动作和处理，上述的电子设备将表示为计算机系统内物理量的数据操控和转换成同样表示为计算机系统或者其它信息存储、传输或者显示设备内物理量的其它数据。

说明书还公开了用于执行方法操作的设备。这种设备为所需的目的而特别构成，或者可以包括通用计算机或者其它存储在计算机中的计算机程序选择性启动或者重新配置的其它设备。本文介绍的算法和显示不是固有地与任何具体计算机或者其它设备相关。各种通用机器可以根据本文教导的程序一起使用。可替换地，用于执行所要求的方法步骤的更特殊的设备构造是可以适用的。常规的通用计算机的结构将在以下描述中介绍。

此外，由于可以由计算机代码实施本文描述方法的各步骤对本领域技术人员是显而易见的，因此本说明书还暗含地公开计算机程序。该计算机程序不试图限制于任何具体的编程语言及其执行。应该理解，可以使用多种编程语言及其代码以执行本文包含的公开的教导。此外，该计算机程序不试图限制于任何具体的控制流。在不脱离本发明精神或者范围的情况下，存在许多其它种类的、可以使用不同控制流的计算机程序。

而且，可以并行地而不是顺序地执行计算机程序的一个或者多个步骤。这种计算机程序可以存储在任何计算机可读介质上。计算机可读介质可以包括的存储设备诸如为磁盘或者光盘、存储器芯片或者适于与通用计算机接口的其它存储设备等。计算机可读介质还可以包括诸如在因特网系统中的硬接线介质，或者无线介质。当在这种通用计算机上加载和执行计算机程序时，计算机程序有效地产生实施优选方法的步骤的设备。

本发明还可被实施为硬件模块。更具体地，在硬件意义下，模块是被设计为与其它部件或模块一起使用的功能性硬件单元。例如，模块可使用分立电子部件实施，或者其可以形成整个电子电路诸如特定用途集成电路(asic)的一部分。还存在许多其它可能。本领域技术人员应理解，该系统还可被实施为硬件和软件模块的组合。

本公开实施例提供一种脑电控制系统，如图1所示，该系统包括：脑电信号处理装置101和运动康复装置102，

脑电信号处理装置101，采集脑电信号；基于脑电信号计算脑参与度指标；根据脑参与度指标和预设脑参与度模板生成对应的控制指令，并将控制指令发送给运动康复装置；脑参与度模板存储有脑参与度指标和控制指令的对应关系；

运动康复装置102，根据控制指令按照预设对应关系确定对应的运动参数；获取运动康复装置用户的生物数据第一生物数据，并将第一生物数据发送给脑电信号处理装置，第一生物数据包括运动状态数据；

所述运动状态数据可以使用角度、速度、加速度传感器，肌电传感器，交互力传感器或者电机电流、功率变化计算得出。比如运动状态数据包含了患者运动训练时肌肉力量状态的变化，运动速度的变化以及肢体位置变化。

为了获取肌肉力量(肌力)的变化，可以通过在运动康复装置中添加力传感器直接获取患者的交互作用力大小；也可以计算运动康复装置电机的电流或功率变化，推导出患肢肢体与电机的交互作用力，从而推导出肌肉力量的变化；也可以利用肌电传感器获取患者肢体的肌电信号，计算出对应的肌肉力量变化情况。为了获取患者训练时肢体运动速度和位置的变化，可以使用运动康复装置中的角度传感器或者速度、加速度传感器或者综合利用这几种传感器，获取患者肢体运动速度，以及肢体最大运动幅度(位置)的变化状态。同时综合利用运动状态数据相关的上述指标，也可以评估患者肌肉力量与肢体控制能力的恢复状态。

脑电信号处理装置101根据第一生物数据更新预设脑参与度模板。

可选的，交互装置103提供用户的操作界面，操作界面接收用户输入的以下参数的至少之一：训练模式分级参数、运动刺激目标参数、脑电参与度指标灵敏度参数、康复运动设备的极限参数；所述运动刺激目标的大小参数用于调整所述运动刺激目标的大小和/或位置；训练模式分级参数，用于指示不同的训练场景，每一训练场景与运动设备的极限参数、脑电参与度指标灵敏度参数对应。

本公开引入脑电参与度指标灵敏度参数，可以使得预设脑参与度模板多样化，不同的脑电参与度指标灵敏度参数的对应不同的预设脑参与度模板，脑电参与度指标灵敏度参数用于指示患者注意力容易受控制的程度。

例如，交互装置将会呈现设置操作控制界面，根据病患运动功能受损程度选择训练任务分级场景以及可以操作系统各项初始参数，如脑电参与度指标灵敏度，刺激人物大小，康复运动设备的速度上限与电机模式等初始参数。当运动功能受损较严重患者或者恢复早期患者使用系统时，可选择低级任务场景，降低控制指令数目和动作精度，限制最高运动速度，增大运动意念诱发虚拟人物大小，提高脑电参与度变化灵敏水平，保证病患控制体验。运动功能受损较轻或者恢复中期患者可选择高级任务，控制上下肢体协同动作，完成较为精细的复杂动作。根据不同病患的特点，手动逐项调整训练初始参数或者选择短时训练后的自动学习初始参数。所有初始参数调整完毕后开始正式训练。

康复运动设备的运动参数不大于所述康复运动设备的极限参数。

基于训练参与度的康复反馈训练策略，通过训练场景交互任务，指示患者自主调制参与度指标，控制康复系统完成不同的运动，有很强的吸引力和交互性，使患者积极参与训练过程，同时完成了中枢意识发出到外周神经反馈的神经通路，提升了康复训练。

可选的，脑电信号处理装置101，采集用户的脑电信号和传感器数据之前，还获取通过交互装置103输入的脑电参与度指标灵敏度参数，并根据输入的脑电参与度指标灵敏度参数确定对应的脑参与度模板。

本公开实施例提供一种脑电控制系统，如图2所示，该系统还包括交互装置103，

交互装置103，显示运动刺激目标，运动刺激目标按照预设第一属性参数和预设第二属性参数指示的方式显示。

可选的，运动刺激目标是生物运动刺激或者任性动画刺激。具体的，运动刺激目标是运动的人形动画，第一属性参数指运动刺激目标的运动频率，第二属性参数指运动刺激目标的运动相位。比如人性动画在跑步、上坡或者骑自行车，运动频率指的是人形动画的跑步快慢，或自行车车轮的转速，运动相位指的是人形动画跑步时当前迈步的是左腿还是右腿或者指骑自行车时双腿蹬自行车时所做圆周运动的相位。这个步骤是也是运动刺激目标显示的初始化的步骤。

可选的，运动康复装置102，根据控制指令按照预设对应关系调整对应的运动参数；获取运动康复装置用户的第二生物数据，并将第二生物数据发送给交互装置；

示例性的，第二生物数据包括肢体运动时关节轨迹变化数据。运动康复装置中设置有获取第二生物数据的探测器件。

交互装置101，分析第二生物数据，生成对应的用户第一属性参数和/或用户第二属性参数；

根据用户第一属性参数和/或用户第二属性参数，更新运动刺激目标对应的显示方式。

该步骤可以根据用户的第二生物数据分析出用户的实时运动的频率和相位，从而调整运动刺激目标的显示方式和用户实时运动的频率和相位相同。即康复训练过程中呈现人形动画作为患者注视的诱导目标，人形动画动作与带动患者运动的运动康复装置，比如上下肢训练设备的动作同频同相，用以强化镜像神经系统作用，诱发病患主动运动意识，激活运动中枢神经，改善脑控康复训练系统的康复效果。

可选的，运动康复设备102输出评估指标参数，并将所述评估指标参数发送给脑电信号处理装置101，脑电信号处理装置101根据所述评估指标参数更新所述预设脑参与度模板，所述评估指标参数包括以下至少之一：运动状态数据、运动功率信息、脑电参与度指标灵敏度参数、脑电参与度变化曲线。其中，脑电参与度指标灵敏度参数是运动康复设备102按照预设的规则计算得到的，用于表征病患容易受脑电控制系统控制的程度。

可选的，运动康复设备102将所述评估指标参数发送给交互装置103，交互装置103根据所述评估指标参数生成分析报告并显示。

可选的，脑电信号处理装置101包括以下至少之一：脑电头环、多导联干电极电帽、盐水电极脑电帽或多导联湿电极脑电帽。

本系统中的脑电信号处理装置可以供用户佩戴在头部，佩戴设备简单便捷，舒适性强，结合头部位置运动参数对指标判断更加准确，有更广泛的适用性，极大的减弱患者使用时的抵触情绪并节省康复师配置时间。

可选的，交互装置103包括以下至少之一：液晶显示设备、虚拟现实vr设备、增强现实ar设备、3d成像显示设备。

在一个实施例中，基于所述脑电信号和传感器数据计算脑参与度指标包括以下步骤，如图3所示：

步骤301、对所述脑电信号进行独立分量分析消噪处理，滤除眨眼和低频噪声干扰，得到预处理信号；

步骤302、利用无限脉冲响应数字滤波器将所述预处理信号进行带通滤波；

具体的，滤波器组采用无限脉冲响应数字滤波器，滤波器组中的滤波器上下截止频率分别为4-7hz，8hz-13hz，13hz-20hz。经过滤波器组后的脑电信号分别为eegθ(θ节律波)，eegα(α节律波)，eegβ(β节律波)3个脑电节律波段。

步骤303、计算带通滤波后每一频率段的符号化样本熵；

计算方法优选符号化样本熵值。首先将每个频带信号经过符号化处理得到符号序列sθ(θ节律波符号序列)，sα(α节律波符号序列)，sβ(β节律波符号序列)。计算方法为，对于脑电信号时间序列eeg＝{xi：1≤i≤n}，首先按幅值大小排序，当给定符号数n时，找到n-1个等分位点(记为t1，t2，…,tn-1)作为符号划分的阈值，按以下规则将原始信号序列转化为离散符号序列{si：1≤i≤n}：

之后计算各个节律波对应符号序列的样本熵，得到结果分别为sesymb-θ(θ节律波符号化样本熵)，sesymb-α(α节律波符号化样本熵)，sesymb-β(β节律波符号化样本熵)。

步骤305、将所述符号化样本熵输入至预设的特征加权支持向量机svm分类器中，计算得到脑参与度指标。

最后将所有符号化样本熵结果sesymb-θ，sesymb-α，sesymb-β和头部运动姿态特征anglediff，angleacc信息输入预先训练完成的svm分类器(根据选择的不同灵敏度脑参与度模板，预先训练svm分类器有所不同)中，得到三分类结果，代表参与度的高中低程度。这仅是本公开示例性的描述，具体的分几个等级本实施例不作任何限定。在一个实施例中，脑电信号处理装置还采集传感器数据；根据所述脑参与度指标和预设脑参与度模板生成对应的控制指令包括：

根据所述脑参与度指标、传感器数据和预设脑参与度模板生成对应的控制指令。

基于所述脑电信号和传感器数据计算脑参与度指标包括以下步骤，如图4所示：

步骤301-步骤303和上述实施例相同，不再赘述。步骤303之后，执行步骤304。

步骤304、根据所述传感器数据获取运动加速度数据，并对所述传感器数据将四元数转换成欧拉角，计算角度数据；

传感器包括以下至少之一：陀螺仪，加速度计或电子罗盘。

具体的，传感器获取的头部朝向角度和运动加速度数据可以从一定程度上代表于用户的头部运动姿态。将传感器采集到的四元数转换成欧拉角，计算角度数据。角度数据包括第一特征值和第二特征值。第一特征值指头部视野偏移程度特征值，第二特征值指头部运动强度特征值。

具体的，头部运动姿态参数计算由传感器(优选含有陀螺仪，加速度计和电子罗盘的传感器)采集到的四元数转换成欧拉角，计算得到结果为表征头部姿态位置三轴姿态数据：横滚角(angleψ)，俯仰角(angleθ)，偏航角(angleγ)。当用户进行训练时需注视刺激目标，此时头部视野朝向与屏幕注视刺激目标的偏移空间夹度也较小时，训练参与度较高，反之亦然。因此头部视野朝向与屏幕刺激目标之间的偏移程度可以作为评估注意力变化的特征。图5为本公开实施例中角度数据示意图，头部视野偏移程度特征值记为anglediff，计算方法：通过传感器三轴姿态角计算出1秒内，头部视野朝向位置与屏幕中诱导刺激目标的偏移空间夹角角度。(一般来说夹角的绝对值在0-90度之间变化，大于90度的按90度取值)。然后进行归一化处理，当角度差的绝对值为90度时，第一特征值anglediff设为0，当角度差为0度时，特征值anglediff设为1,角度差在90度至0度中间时，第一特征值anglediff在0至1间线性变化。

此外，头部注意某一任务时运动往往运动较缓慢，运动加速度变化较小，头部运动强度较低，相反，头部无意识运动时往往较快，运动加速度变化大，头部运动强度较高。因此，加速度变化同样作为运动姿态特征参加训练注意力的计算中，将1s时长中的采集的头部运动加速度绝对值的平均值与设定的阈值进行比较，得到头部运动强度特征值angleacc。计算方法为：大于等于该阈值的，归为训练注意不集中行为，特征值angleacc为0；小于该阈值的，归为训练注意集中行为，特征值angleacc为1。

式中，acc为单位计算时长的平均绝对加速度，φ为设定的运动剧烈程度阈值大小。阈值可以根据具体的经验设定，也可以被修改。

具体的，步骤305具体执行以下操作：

将所述符号化样本熵、加速度数据、角度数据输入至预设的特征加权支持向量机svm分类器中，计算得到脑参与度指标。

最后将所有符号化样本熵结果sesymb-θ，sesymb-α，sesymb-β和头部运动姿态特征anglediff，angleacc信息输入预先训练完成的svm分类器(根据选择的不同灵敏度脑参与度模板，预先训练svm分类器有所不同)中，得到三分类结果，代表参与度的高中低程度。这仅是本公开示例性的描述，具体的分几个等级本实施例不作任何限定。

本公开实施例提供一种脑电控制方法，如图6所示，该方法包括：

步骤601、脑电信号处理装置，采集用户的脑电信号和传感器数据；

步骤602、基于所述脑电信号和传感器数据计算脑参与度指标；

步骤603、根据所述脑参与度指标和预设脑参与度模板生成对应的控制指令；

步骤604、将所述控制指令发送给运动康复装置；所述脑参与度模板存储有所述脑参与度指标和控制指令的对应关系；

步骤605、运动康复装置，根据所述控制指令按照预设对应关系确定对应的运动参数，并按照所述运动参数运行；

步骤606、获取运动康复装置对应用户的第一生物数据；

步骤607、将所述第一生物数据发送给脑电信号处理装置，所述第一生物数据包括运动状态数据；

步骤608、脑电信号处理装置根据所述第一生物数据更新所述预设脑参与度模板。

下面结合一应用场景说明本发明提供的脑电控制系统的使用方法，如图7至图8所示，用户(如病患)头部佩戴脑电信号处理装置(脑电信号采集分析模块)，身上佩戴运动康复训练模块，脑电信号处理装置和互动装置(情景互动刺激模块)有线连接或无线连接。如图7所示，具体主要包括以下步骤：

步骤701、病患佩戴脑电信号采集分析模块，也就是上述实施例中的脑电信号处理装置，根据信号采集质量需要选用不同类型的电极，之后固定好运动康复训练模块的固定装置，并将情景交互刺激模块的硬件显示设备放置在合适位置。

具体的，根据病患脑电信号质量，佩戴头部脑电信号采集分析模块(优选脑电头环，多导联干电极或盐水电极脑电帽等设备)，通过运动康复训练模块的固定装置将患者肢体安全固定，并放置情景交互刺激模块的硬件显示设备(可选高刷新率液晶显示设备或者vr设备或者vr眼镜)于合适位置后，然后可开启所有模块。

步骤702、脑电信号采集分析模块进入工作阶段，开始计算训练脑参与度指标。训练脑参与度指标由设备采集到的脑电信号和头部运动姿态两部分数据综合计算得到。

脑电信号采集分析模块进入工作阶段后，训练参与度指标将由脑电信号采集分析模块计算获得，所有脑电信号和参与度特征数据可通过无线传输并存储。参与度指标计算主要结合1秒内脑电θ波，α波，β波等脑电节律波变化作为主要特征进行计算，同时患者头部的朝向角度、加速度等参数作为次要特征也参与参与度指标的计算。第一次使用系统的病患可进行短时的学习训练，情景交互刺激模块通过参与度轨迹图线将参与度指标反馈给病患，引导病患学习控制脑电参与度指标的变化。参与度指标计算采用1秒长度的脑电信号进行处理，同时每间隔1s输出三分类的训练参与度结果(高参与度，中参与度以及低参与度)。首先将脑电信号进行独立分量分析消噪处理，滤除眨眼和低频噪声干扰。之后再利用无限脉冲响应数字滤波器将所有信号导联采集的脑电信号进行带通滤波，滤波范围为4-7hz(θ节律波)，8hz-13hz(α节律波)，13hz-20hz(β节律波)等3个脑电节律波段，分别计算每一频率段的符号化熵值。之后计算头部朝向位置和平均变化加速度信息。由于当患者参与度较低时，往往注视位置不对准诱导刺激人物目标造成头部偏移，或者注视位置不固定造成头部随意移动，因此头部运动朝向位置与平均加速度变化信息可以作为训练参与度的次要特征信息。最后将所有符号化熵结果和头部运动位置与平均加速度变化信息输入预先经过大量人群训练完成的特征加权svm分类器中，得到训练参与度指标。训练可以重复多次进行，每一次康复训练过程中的数据与指标都作为新的训练数据，对分类器进行进一步的优化，直至治疗一定周期后参与度特征保持可控稳定的输出。

步骤703、肢体运动康复训练模块，也就是上述实施例中所述的运动康复装置，进入工作阶段：肢体运动康复训练模块的电机进行工作。

运动康复训练模块进入工作阶段后，电机进行工作。选择运动模式，根据病患运动功能受损程度选择带动肢体以设定的速度被动运动或者提供辅助力帮助肢体主动运动，速度和辅助力根据参与度等级和运动功能受损程度调整变化。

步骤704、情景交互刺激模块，也就是上述实施例中的交互装置，进入工作阶段。

情景交互刺激模块呈现操作控制界面，设置系统最大训练速度，辅助力、灵敏度，训练参与度指标基准值，任务复杂度等各项初始参数。参数根据病患运动功能受损程度进行设置，如患者受损程度较高时，降低任务难度，只需要患者控制粗略运动，减少控制指令数目，降低最大运动速度，提高辅助力或速度变化灵敏度，提高训练参与度灵敏度，使患者更容易控制训练系统。

步骤705、病患根据情景交互刺激模块中的任务要求，改变参与度指标，控制运动设备和刺激目标，运动设备(可选择结合电刺激)反馈运动感觉，完成训练任务。运动康复训练模块的运动参数根据参与度指标实时变化，并与情景交互刺激模块中的运动刺激目标同步。

正式训练过程中，训练策略采用病患的参与度指标变化调整运动康复训练模块的运动参数(运动辅助力，阻尼，速度等参数)，同时将运动变化同步于情景交互刺激模块中，以保证患者可以通过自主调制参与度控制训练运动，完成相关训练任务，提升了系统交互性，增强了患者主动参与感。

在一个具体实施方式中，训练模式为主动辅助力训练，患者需控制骑行虚拟人物完成训练任务，即根据指示调制训练参与度控制完善上下肢训练动作。当任务指示为增加参与度时，出现骑行人物经过拱桥交互场景，系统运动康复训练模块原有的基础辅助力会下降，阻尼增加，使病人运动更加困难。此时提示用户需要集中精神参与任务，控制情景交互刺激模块中的运动刺激人物维持骑行运动。当病患集中精力参与任务时，训练参与度指标维持在高水平，系统逐步提升运动康复训练模块的辅助力，从而有利于患者控制运动设备运动速度，在交互运动刺激场景中经过拱桥完成训练任务。这一训练策略使患者在运动训练过程中的参与感更高，诱发的运动意念更强烈。训练模式为速度训练时，策略类似，根据训练参与度指标完成对训练设备运动速度的大小控制。

步骤706、情景交互刺激模块中的运动刺激目标频率相位与上下肢运动康复训练模块运动频率相位可保持同步，使患者在观察刺激时可以更加有效的诱发运动意识，激活运动中枢。运动过程中，可通过人体真实动作捕捉系统记录患者肢体运动轨迹细节，将运动轨迹细节与场景中刺激人物动作结合，或者将患者的真实动作同时显示在交互界面中，以保证镜像神经元的激活，增强患者运动意识。(可选择同时采用功能性电刺激刺激肢体外周神经，进一步完善运动-感觉刺激通路。)

步骤707、完成一级训练任务后，返回步骤704，重复步骤704和步骤705，进行下一级训练步骤。

完成一级训练任务后，返回步骤703，重复步骤704，步骤705和步骤706。可以在情景交互刺激模块中选择进行下一级训练步骤。增加场景中的任务量和难度，保证患者可以得到充分的迭代强度训练。

步骤708、完成所有任务后，康复训练报告模块根据脑电信号及运动训练参数等数据，出具简短训练反馈报告，并将训练参数反馈给个性化训练算法中，进一步迭代优化患者的训练参与度指标算法。

完成所有任务后，情景交互刺激模块存储所有训练数据并作为训练参与度计算的更迭训练数据个性化优化分类器。同时依据训练过程各项指标出具训练报告(报告中反应了病患在单次训练过程中，训练参与度指标与指示任务相关的变化，患肢训练运动功率变化过程状态，并根据这些参数提供康复疗程中训练效果得分变化)，使患者能够得到康复训练过程反馈，使医生和患者可以依据训练反馈更有针对性的制定训练策略。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。