基于VR 的下肢康復機器人控制策略

孫偉SUN Wei

（重慶交通大學機電與車輛工程學院，重慶400074）

0 引言

近年來，隨著人口老齡化以及意外事故的不斷增加，偏癱、孤獨癥、帕金森等引起的下肢肢體運動功能障礙的患者也在逐年增加[1]。相比以往康復訓練的治療方法，將虛擬現(xiàn)實技術與腦-機接口技術相結合的理論研究越來越成熟，并且開始應用到運動康復醫(yī)療領域，患者能夠在虛擬現(xiàn)實場景中進行運動功能的恢復、眼手腳協(xié)調以及空間定位等多種康復訓練，從而達到運動康復的目的[2]。

本文在VR 場景視、聽覺刺激誘發(fā)和運動想象的基礎背景下，利用虛擬場景刺激大腦產生特殊的電位變化，再通過信號采集設備的傳感器采集該原始腦電信號[3]，該信號與表達思維意圖的肢體運動相對應，然后將采集到的腦電信號經過特征提取后，再對這些特征信號進行模式識別，最后轉化為外部設備的控制指令，進行有效的康復治療。

1 控制系統(tǒng)結構

本文使用Unity3D 開發(fā)虛擬現(xiàn)實場景，采用EMOTIV EPOC 作為腦電信號采集器，使用EMOTIVPRO 作為數據采集軟件，下肢康復機器人關節(jié)作為系統(tǒng)控制終端。其控制系統(tǒng)流程如圖1 所示。

圖1 控制流程圖

2 腦電信號采集和處理

2.1 信號采集

在運動健身keep 的虛擬現(xiàn)實場景中，用腦電設備EMOTIV EPOC 分別對通過語音提示看人物下肢體動作并運動想象前后交叉小跳、開合跳、左右小跳、高抬腿四組動作進行腦電信號的數據采集，其中前后交叉小跳采集結果如圖2 所示。

圖2 原始腦電信號

在圖2 中，通過腦電傳感器采集到有不同通道波形變化的原始腦電信號，特定的動作一一對應特定的腦電信號，以此表征對應的運動思維意圖。

2.2 信號處理

2.2.1 特征提取

由于腦電信號具有非平穩(wěn)性的特點，而小波變換具有多分辨率分析的特點，在時域和頻域都具有表征信號局部特征信息的能力。因此本文采用小波變換對腦電信號進行特征提取。

由于db 小波的解析形式沒有確定的式子表達，但雙尺度差分方程的系數hn可以用比較簡單的解析形式來表達：設P（y）=，其中是二項式系數，那么hn就可以用如下的形式表示：

其中

然后用小波函數db5 對信號y 進行5 尺度分解，因此對每一組分別提取通道3，4，5，13（腦電信號變化明顯的通道）的信號，并對信號分別進行5 層小波分解和重構，最后得到可以表征四組特定動作思維意圖的特征向量。

2.2.2 模式分類

為保留小波變換后的所有特征，且減少參數的大小、消除指標之間量綱的影響，用Mapminmax 函數對數據進行歸一化處理，使不同維度之間的特征在數值上有一定的比較性。Mapminmax 函數一般表達式為：

若每行數據相同，即xmax=xmin,，除數為0，則此時數據不變。將數據歸一化到0 和1 之間，即y?[0，1]，則表示為：

構造訓練樣本x_train、測試樣本x_test，然后測試模型，將預測類別與真實類別進行比對，若完全吻合,即可作為四組動作的模式分類結果。

3 虛擬現(xiàn)實場景驗證

本文以運動健身keep 為例進行動畫效果演示，以正常人作為測試者對信號采集進行驗證，實驗測試時序以開合跳為例，測試時序為：0-1s 測試者保持靜默狀態(tài)；1-4s場景中顯示面板出現(xiàn)動作即將開始的3s 倒計時語音提示；4-8s 測試者注視虛擬場景中下肢運動動態(tài)畫面并想象做同樣的動作。與此同時，通過電極帽對整個測試過程進行實時腦電信號采集。

由于采集到的四組腦電數據中3，4，5，13 通道信號變化明顯，因此分別提取每組該四個通道的信號，并對信號分別進行5 層小波分解獲取特征向量，處理結果如圖3 所示。

圖3 四組信號特征提取結果

然后將每組信號構造100 個樣本做訓練集，25 個樣本做測試集，其次對數據集進行歸一化處理，再輸入隨機森林分類器進行訓練，最后測試分類器，測試結果如圖4所示。

圖4 模式分類結果

在圖4 中，四組動作依次代表的四個類別通過構造訓練集和測試集進行訓練測試，最終四組動作的真實類別（紅色星號）與預測類別（藍色圓圈）完全重合，即分類結果預測正確。

綜上所述，實驗結果表明，在虛擬現(xiàn)實場景的視、聽覺刺激并運動想象的情景下，采用腦電設備進行腦電信號數據采集，然后經過特征提取和模式分類可以有效區(qū)分出交叉小跳、開合跳、左右小跳、高抬腿四組動作的思維意圖，最后轉化為控制指令。

4 結論

本文提出一種基于VR 的下肢康復機器人控制策略，基于虛擬現(xiàn)實技術建立虛擬現(xiàn)實場景，在視、聽覺和運動想象刺激下產生特殊的腦電信號，通過電極帽將腦電信號轉化成數字信號傳輸到腦電采集設備進行信號采集，然后從采集的信號中提取出能夠表達思維意圖的特征信號，再進行模式分類，最后將思維意圖轉化為下肢康復機器人關節(jié)的控制指令，進行康復訓練。并通過實驗驗證了基于虛擬現(xiàn)實場景，采用腦電控制方法進行下肢康復機器人控制策略的有效性。