具体实施方式

本实施例为一种结合EEG数据质量的运动想象评估方法，包括以下步骤：

S1、获取经预处理的脑电数据。

S11、实时采集被试运动想象训练过程中C3、CZ、C4通道的EEG数据X(t)_real。

S12、使用notch滤波器去除50Hz工频干扰得到EEG数据X(t)_notch。

S13、采样ASR算法实时去除X(t)_notch中的伪影，ASR(artifact subspacereconstruction)算法是一种实时自动去除伪影方法，其主要可以用于去除瞬态或大振幅EEG信号伪影。

ASR算法核心类似于主成分分析算法，通过删除方差较大分量，并将剩余分量通过逆变换对EEG信号重构。ASR算法相关公式如下：

X_t＝M_rS_t (1)

(X_t)_clean＝M_r(S_t)_clean (4)

X_t表示为随着时间t变化的EEG数据，其可以分解为分量S_t和混合矩阵M_r，如公式1。Y_t表示为X_t的主成分空间，如公式2。根据公式3可以求得较为干净(S_t)_clean，其中矩阵X⁺表示为矩阵X的伪逆矩阵。根据公式4即可求得去除伪影的EEG数据X(t)_clean。

S2、使用巴特沃斯带通滤波器实时的将EEG数据划分为Theta、Alpha和Beta频带。巴特沃斯滤波器如以下等式中所述，其中n为滤波器阶数，H是长度为n+1滤波器系数，向量a与向量b为滤波器的传递函数系数。

S3、基于脑电数据的幅值计算得到脑电信号质量评分Score₁，核心是生成EEG数据直方图bin，如果幅值较大或者幅值较小的bin的数据占整体bin的比值较大，或者相邻幅值之间的bin的差值较大，则可以认为EEG数据质量较差。

Score₁主要通过Ratiobin与Ratiocount这两个值计算得出。Ratiobin计算方式如下：将X(t)_clean幅值分宽度为5uv的几个小区间，每个小区间在幅值为-200uv至200uv之间，正常脑电幅值范围在-100uv到100uv之间，如果在区间内正常幅值个数的和占比较少，则数据质量相对较差。Ratiobin的计算公式如(5)：

j为正常脑电幅值范围内的第j个小区间(取值范围是-90uv～90uv，按5uv宽度划分，(90-(-90))/5＝36，j的取值是1～36)；k为脑电幅值范围内的第k个小区间(取值范围是-120uv～120uv，按5uv宽度划分，(120-(-120))/5＝48，k的取值是1～48)；bin_j代表正常脑电幅值范围内第j个小区间内幅值的个数，通过算法找到相应小区间内的幅值，统计数量；bin_k代表脑电幅值范围内第k个小区间内幅值的个数。

Ratiocount计算方式如下：计算正常脑电幅值区间-100uv到100uv内幅值i出现的概率，如果概率大于0，则count_i记为1，否则记为0，并求得在正常区间内count_i为1的个数；计算-200uv到200uv区间内幅值i出现的概率，如果概率大于0，则count_i记为1，否则记为0，并求count_i为1的个数；通过正常幅值区间内count_i的个数与-200uv到200uv区间内count_i的比值计算Ratiocount。计算公式如(6)(7)

其中，P(i)为在相应脑电幅值区间内幅值i出现的概率，通过算法去遍历，找到相应脑电幅值区间内幅值i的数据点，若存在幅值i的数据点，则P(i)＞0；若不存在幅值i的数据点，则P(i)＝0；

通过Ratiocount与Ratiobin的算术平均得出Score₁，计算公式如(8)：

S4、基于脑电数据中Theta频段和Beta频段的幅值分布分别计算得到Theta频段质量评分Score₂和Beta频段质量评分Score₃。

Score₂与Score₃主要通过Theta频段和Beta频段幅值分布计算得出，计算公式如9。Theta频段范围在4到7Hz之间，该频段内的EEG幅度的绝对值不应超过30uv(公式9中的index)。Beta频段范围在14到30Hz之间，该频段内的EEG幅度的绝对值不应超过20uv(公式9中的index)。

计算过程以Theta频段为例：将Theta频段EEG数据data取绝对值abs，统计abs(data)中幅值小于index的个数，并求其与data数据长度L的百分比。

S5、基于Score₁、Score₂和Score₃计算得到脑电数据质量评分Score_SQ，Score_SQ根据Score₁、Score₂和Score₃的算术平均得出，如公式(10)：

S6、基于脑电数据中Alpha频段数据计算得到运动想象评分Score_MI。

S61、将采样窗口中Alphaa频段的脑电数据进行降采样，通过降采样可提高算法的整体计算效率。

S62、分别计算C3、C4、CZ通道降采样后Alpha频段EEG数据能量的均值，具体计算公式如(11)，其中redata为降采样后的数据，N为降采样后数据的长度。

S63、被试在进行运动想象或者实际运动时，左右侧脑区Alpha频段脑电数据会出现事件相关去同步(ERD)和事件相关同步(ERS)效应。在ERD与ERS效应中，ERS效应在EEG数据能量上表现更为明显，因此本实施例中采用ERS效应来区分被试是否进行运动想象或实际运动。本例提取C3、C4、CZ三个通道最大EEG数据能量来表示被试的RES效应，具体计算公式如下：

ERS＝max(power_c3,pwoer_cz,power_c4)

S64、根据设定的最低ERS效应ERS_min与最高ERS效应ERS_max与不同训练阶段的训练等级LV，计算ERS效应评分Score_ERS，Score_ERS采用如下公式(12)，本例中将ERS效应评分Score_ERS作为运动想象评分Score_MI。

S7、基于Score_MI和Score_SQ计算得到作为运动想象评估结果的联合评分Score。EEG数据在运动想象训练过程中极容易受到被试异常活动的干扰，即使在算法中采用ASR将大部分的EEG数据伪影去除，但仍有伪影存留在EEG数据中，从而导致公式(12)对于判别ERS效应的准确性。

在运动想象训练过程中，被试产生大量的异常活动不仅会导致EEG数据质量下降(及Score_SQ值变低)，同时也在一定程度上体现出被试没有集中注意力到运动想象的过程中。

因此最终给与被试的反馈得分通过ERS效应得分与数据质量得分加权平均得出。被试也可以通过公式(13)调节适应自己的不同训练阶段，从而达到最优的运动想象训练反馈。

Score＝0.4*Score_SQ+0.6*Score_ERS (13)

S8、实时显示被试的EEG数据质量评分，并且如果EEG数据质量评分持续5秒低于70，则停止运动想象训练，给与被试反馈提示，并在信号质量恢复后继续进行运动想象训练。

本实施例还提供一种结合EEG数据质量的运动想象评估装置，包括数据获取模块、评分计算模块Ⅰ、评分计算模块Ⅱ、评分计算模块Ⅲ、运动想象评分模块和联合评分计算模块。

本例中数据获取模块用于获取经预处理的脑电数据；评分计算模块Ⅰ用于基于脑电数据的幅值计算得到脑电信号质量评分Score₁；评分计算模块Ⅱ用于基于脑电数据中Theta频段和Beta频段的幅值分布分别计算得到Theta频段质量评分Score₂和Beta频段质量评分Score₃；评分计算模块Ⅲ用于基于Score₁、Score₂和Score₃计算得到脑电数据质量评分Score_SQ；运动想象评分模块用于基于脑电数据中Alpha频段数据计算得到运动想象评分Score_MI；联合评分计算模块用于基于Score_MI和Score_SQ计算得到作为运动想象评估结果的联合评分Score。

本实施例还提供一种存储介质，其上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本实施例中结合EEG数据质量的运动想象评估方法的步骤。

本实施例还提供一种运动想象训练系统，具有脑电采集设备、数据处理设备和训练反馈设备，其中脑电采集设备用于采集被试运动想象训练过程中的脑电数据；数据处理设备具有存储器和处理器，其中存储器上存储有能被处理器执行的计算机程序，该计算机程序被执行时实现本例中结合EEG数据质量的运动想象评估方法的步骤；训练反馈设备基于所述结合EEG数据质量的运动想象评估方法中的联合评分Score进行反馈。

本例中运动想象训练系统的使用方法如下：

训练准备：被试在运动想象训练开始前正确佩戴脑电帽，并熟悉运动想象训练的整体流程。脑电采集设备采样率为250Hz，采集电极为C3/C4/CZ。

脑电数据采集：被试在开始训练之前会采集1分钟左右的静息态干净的脑电数据用于ASR模型训练，然后被试输入初始等级值并点击开始训练按钮，训练反馈设备的电脑屏幕出现控制物与目标物，目标物会随机地出现在控制物上方的左右两侧，被试则需要通过左右运动想象驱动控制物向目标物移动，同时脑电数据开始实时进行采集处理。

数据处理设备对采集的脑电数据进行实时的notch滤波处理，去除工频干扰。

去除工频干扰后的脑电数据采用时间为1s，移动步长为1的滑动窗口处理数据，然后计算信号质量得分Score₁。

对去除工频干扰后的脑电数据使用ASR进行实时去伪迹处理。

对去伪迹处理后的数据进行带通滤波，提取到算法需要的Alpha、Beta和Theta频带频段的数据，并对这3个频段的数据使用时间为1s，移动步长为1的滑动窗口进行处理。

基于Beta和Theta频段的数据计算信号质量得分Score₂与Score₃；

通过Score₁、Score₂与Score₃计算得出信号整体质量评分Score_SQ；

对Alpha频段脑电数据降采样到125Hz，然后计算得出运动想象评分Score_MI；

通过运动想象评分Score_MI与整体信号质量评分Score_SQ计算联合评分Score；

对信号质量评分Score_SQ进行判断，如果长时间的信号质量处于70分以下，系统会出现警告提示，在信号质量恢复时，警告消失并继续训练；

通过联合评分Score生成控制命令，即联合评分Score大于60时，控制物才能主动的向目标物移动，并且控制物的移动速度会随着联合评分Score的增大而变快。系统会根据你的联合评分Score去判断当前等级值是否需要升高或降低，并给予提示，并且用户也可以根据自己的感觉去实时调节等级值。