【技術實現步驟摘要】
本專利技術屬于腦電信號識別，尤其涉及一種基于腦電信號的主被動意圖識別方法及系統。
技術介紹
1、腦機接口技術是一種通過直接連接人類大腦與外部設備來實現交互的技術。對腦機接口技術中腦電信號的利用，多表現在對運動區、感受區、語言區等腦區的腦電信號的處理和分類；它通過神經信號的采集、處理和解碼，使人們能夠通過意念或腦電活動控制計算機或其他外部設備，或通過對四肢動作對應的腦電信號進行分析處理來識別人們的動作意圖及控制指令。
2、而人的意圖分為主動意圖和被動意圖，目前對腦電信號的處理通常沒有考慮主被動意圖的影響，這不利于獲取大腦的主動意圖，以有效輔助腦電與其他設備進行交互，影響了腦機接口系統的控制指令輸出準確率。
技術實現思路
1、鑒于上述的分析，本專利技術旨在提供一種基于腦電信號的主被動意圖識別方法及系統，用于解決現有技術中對腦電信號的處理沒有考慮主被動意圖的影響，導致腦機接口輸出的控制指令準確性差的問題。
2、本專利技術的目的主要是通過以下技術方案實現的：
3、一方面，本專利技術提供了一種基于腦電信號的主被動意圖識別方法，該方法包括：
4、獲取被試人員的腦電信號；
5、基于所述腦電信號提取多個頻段的腦電特征；并基于多個頻段的所述腦電特征中預設頻段的腦電信號功率譜密度，得到主動特征和被動特征；
6、將多個頻段的腦電特征、主動特征和被動特征輸入預先訓練的主被動意圖識別模型，識別得到被試人員的主、被動意圖類別；所述主被動意
7、進一步的，所述多個頻段的腦電特征包括前額葉區的α波、β波、γ波、δ波和θ波；所述預設頻段包括α波、β波和θ波。
8、3.根據權利要求2所述的基于腦電信號的主被動意圖識別方法，其特征在于，基于α波、β波和θ波的所述功率譜密度，通過下述公式得到所述主動特征和被動特征：
9、
10、其中，fp為主動特征，fn為被動特征，pα、pβ和pθ分別為α波、β波和θ波的功率譜密度。
11、進一步的，所述主被動意圖識別模型基于隨機森林模型，通過下述方法訓練得到：
12、通過主動意圖實驗和被動意圖實驗分別獲取多個腦電信號，并標注主動意圖和被動意圖標簽；
13、對多個所述腦電信號進行預處理，提取多個頻段的腦電特征，并計算得到每個腦電信號的主動特征和被動特征；
14、基于多個腦電信號對應的多個頻段的腦電特征、對應的主動特征、被動特征、以及標注的標簽構建訓練樣本集；
15、將所述訓練樣本集分為k個訓練子集，基于每個訓練子集和預設的訓練次數進行訓練，得到主被動意圖識別模型；在一次訓練過程中，由每個訓練子集中隨機選擇多個樣本數據，并基于多個樣本數據隨機選擇m個特征，基于m個所述特征，通過信息增益法進行分裂，得到一個決策樹；所述決策樹的輸出為該決策樹對應的主、被動意圖類別；基于k個訓練子集訓練得到多個決策樹構成的主被動意圖識別模型。
16、進一步的，基于k個決策樹的輸出結果，采用絕對多數投票法得到主被動意圖識別模型的識別結果；所述絕對多數投票法表示為：
17、
18、其中，cj表示第j種分類類別，hkj表示樣本x上的預測結果為第j類標簽的第k個預測輸出，t為預測輸出的總數，n是預測標簽的總數，本實施例中包括主動意圖和被動意圖兩個標簽，即若某個標記得票過半數，則預測為該類別，否則拒絕預測。
19、進一步的，所述主動意圖實驗包括：被試人員保持站立，注視屏幕，保持注意力集中狀態，并按照屏幕的指示主動做出反應，同時采集多組主動意圖的腦電信號，標注主動意圖標簽并保存。
20、進一步的，所述被動意圖實驗包括：被試人員保持站立，不注視屏幕，保持放松狀態；由輔助實驗人員牽引被試人員的手臂，輔助被試人員按照屏幕的指示做出反應，以模擬被動狀態下的動作執行，同時采集多組被動意圖的腦電信號，標注被動意圖標簽并保存。
21、另一方面，本實施例還提供一種基于腦電信號的主被動意圖識別系統，所述系統包括數據采集模塊、數據傳輸模塊和數據處理模塊；
22、所述數據采集模塊通過電極腦電帽獲取腦電信號，并通過所述數據傳輸模塊的usb接口將所述腦電信號發送至數據處理模塊進行處理；
23、所述數據處理模塊用于對所述腦電信號進行預處理，并利用預處理后得到的特征數據，通過預先訓練的主被動意圖識別模型識別得到所述腦電信號對應的主、被動意圖類別；所述主被動意圖識別模型基于隨機森林模型，通過主動意圖實驗和被動意圖實驗獲取的腦電信號訓練得到。
24、進一步的，利用數據采集模塊進行腦電信號采集時，所述電極腦電帽的工作電極設置于被試者的前額葉區對應編號為fp1、fpz和fp2的位置；參考電極設置于右耳耳垂，接地電極設置于左耳耳垂。
25、進一步的，所述數據處理模塊用于對所述腦電信號進行預處理，包括：
26、對采集得到的腦電信號進行降噪、放大和a/d轉化后，提取多個頻段的腦電特征；多個頻段的所述腦電特征包括α波、β波、γ波、δ波和θ波；
27、通過welch方法獲取α波、β波和θ波的功率譜密度；
28、基于α波、β波和θ波的功率譜密度，通過下述公式計算得到所述腦電信號對應的主動特征和被動特征：
29、
30、其中，fp為主動特征，fn為被動特征，pα、pβ和pθ分別為α波、β波和θ波的功率譜密度。
31、本技術方案的有益效果：
32、本專利技術基于腦電信號不同波段腦電特征的特點，特別是基于處于放松或閉眼狀態時檢測到的α波，和處于注意力集中，邏輯思維活躍狀態時易檢測到的β波，首先獲取腦電信號對應的主動特征和被動特征，并基于主動特征、被動特征及所有的腦電特征，共同用于分析判斷大腦的主動意圖和被動意圖；并構建主動意圖實驗和被動意圖實驗來獲取腦電信號，將主動意圖實驗和被動意圖實驗的腦電信號對應的主動特征和被動特征加入模型訓練，可以提供更多的信息量，獲得更好的分類效果，利用該方法可有效輔助醫療設備及日常穿戴式外部設備監控大腦狀態。
33、本專利技術的其他特征和優點將在隨后的說明書中闡述，并且，部分的從說明書中變得顯而易見，或者通過實施本專利技術而了解。本專利技術的目的和其他優點可通過在所寫的說明書、權利要求書、以及附圖中所特別指出的結構來實現和獲得。
本文檔來自技高網...【技術保護點】
1.一種基于腦電信號的主被動意圖識別方法，其特征在于，包括：
2.根據權利要求1所述的基于腦電信號的主被動意圖識別方法，其特征在于，所述多個頻段的腦電特征包括前額葉區的α波、β波、γ波、δ波和θ波；所述預設頻段包括α波、β波和θ波。
3.根據權利要求2所述的基于腦電信號的主被動意圖識別方法，其特征在于，基于α波、β波和θ波的所述功率譜密度，通過下述公式得到所述主動特征和被動特征：
4.根據權利要求1所述的基于腦電信號的主被動意圖識別方法，其特征在于，所述主被動意圖識別模型基于隨機森林模型，通過下述方法訓練得到：
5.根據權利要求4所述的基于腦電信號的主被動意圖識別方法，其特征在于，基于k個決策樹的輸出結果，采用絕對多數投票法得到主被動意圖識別模型的識別結果；所述絕對多數投票法表示為：
6.根據權利要求4所述的基于腦電信號的主被動意圖識別方法，其特征在于，所述主動意圖實驗包括：被試人員保持站立，注視屏幕，保持注意力集中狀態，并按照屏幕的指示主動做出反應，同時采集多組主動意圖的腦電信號，標注主動意圖標簽并保存。
8.一種基于腦電信號的主被動意圖識別系統，其特征在于，所述系統包括數據采集模塊、數據傳輸模塊和數據處理模塊；
9.根據權利要求8所述的基于腦電信號的主被動意圖識別系統，其特征在于，利用數據采集模塊進行腦電信號采集時，所述電極腦電帽的工作電極設置于被試者的前額葉區對應編號為FP1、FPz和FP2的位置；參考電極設置于右耳耳垂，接地電極設置于左耳耳垂。
10.根據權利要求9所述的基于腦電信號的主被動意圖識別系統，其特征在于，所述數據處理模塊用于對所述腦電信號進行預處理，包括：
...【技術特征摘要】
1.一種基于腦電信號的主被動意圖識別方法，其特征在于，包括：
2.根據權利要求1所述的基于腦電信號的主被動意圖識別方法，其特征在于，所述多個頻段的腦電特征包括前額葉區的α波、β波、γ波、δ波和θ波；所述預設頻段包括α波、β波和θ波。
3.根據權利要求2所述的基于腦電信號的主被動意圖識別方法，其特征在于，基于α波、β波和θ波的所述功率譜密度，通過下述公式得到所述主動特征和被動特征：
4.根據權利要求1所述的基于腦電信號的主被動意圖識別方法，其特征在于，所述主被動意圖識別模型基于隨機森林模型，通過下述方法訓練得到：
5.根據權利要求4所述的基于腦電信號的主被動意圖識別方法，其特征在于，基于k個決策樹的輸出結果，采用絕對多數投票法得到主被動意圖識別模型的識別結果；所述絕對多數投票法表示為：
6.根據權利要求4所述的基于腦電信號的主被動意圖識別方法，其特征在于，所述主動意圖實驗包括：被試人員保持站立，注視屏幕，保持注意力集中狀態，并按照...
【專利技術屬性】
技術研發人員：段峰，段雅涵，杜穎，劉淦，李文宇，馬燕琳，趙小川，洪天閣，金雷明，劉瑩，
申請(專利權)人：中國兵器工業計算機應用技術研究所，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。