CN104571533A - 一种基于脑机接口技术的装置和方法 - Google Patents

一种基于脑机接口技术的装置和方法 Download PDF

Info

Publication number
CN104571533A
CN104571533A CN201510069603.1A CN201510069603A CN104571533A CN 104571533 A CN104571533 A CN 104571533A CN 201510069603 A CN201510069603 A CN 201510069603A CN 104571533 A CN104571533 A CN 104571533A
Authority
CN
China
Prior art keywords
eeg signals
brain
circuit
subject
embedded dimensions
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510069603.1A
Other languages
English (en)
Other versions
CN104571533B (zh
Inventor
闫天翼
张丽娜
闫亚旗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201510069603.1A priority Critical patent/CN104571533B/zh
Publication of CN104571533A publication Critical patent/CN104571533A/zh
Application granted granted Critical
Publication of CN104571533B publication Critical patent/CN104571533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F2203/00Indexing scheme relating to G06F3/00 - G06F3/048
    • G06F2203/01Indexing scheme relating to G06F3/01
    • G06F2203/011Emotion or mood input determined on the basis of sensed human body parameters such as pulse, heart rate or beat, temperature of skin, facial expressions, iris, voice pitch, brain activity patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Neurosurgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Health & Medical Sciences (AREA)
  • Dermatology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供一种基于脑机接口技术的装置和方法。该装置包括:脑电采集单元,配置为采集被试者的脑电信号;模数转换单元,配置为将所述脑电信号进行模数转换;信号处理与控制单元,配置为根据经转换的脑电信号以及所述被试者的情感参数范围生成指令;以及语音播放单元,配置为根据所述指令播放语音。发明有效利用脑机接口技术,为被试者提供一种全新、直观的交流方式,有助于提高被试者的生活质量。尤其是有效帮助了存在语言障碍但头脑功能正常的被试者,具有积极的社会意义。

Description

一种基于脑机接口技术的装置和方法
技术领域
本发明涉及脑机接口的应用研究领域,具体地,涉及一种基于脑机接口技术的装置和方法。
背景技术
脑机接口(Brain-Computer Interface,BCI)是在人脑和计算机或其他电子设备之间建立一种不依赖于常规大脑输出通道(外周神经和肌肉组织)的直接信息交流和控制通道,是一种全新的人-机交互系统。脑机接口作为一种全新的信息交换技术,能够为人们提供一种与外界进行交流的新途径。
对于存在有语言障碍尤其是同时严重瘫痪的病人来说,难以通过语言或者肢体语言向外界表达自己的情感。在中国,语言残疾居视力残疾、肢体残疾、智力残疾等五大残疾之首,为2057万人,占人口总数的1.67%,其中7岁以下儿童约为80万人。该群体与外界的交流途径依然局限于手语、手写、打字等途径,无法方便、顺畅地与他人沟通。因此,迫切需要一种帮助存在语言障碍的人们与外界方便地进行沟通交流的装置与方法。
发明内容
根据本发明的一个方面,提供一种基于脑机接口技术的装置,包括:
脑电采集单元,配置为采集被试者的脑电信号;
模数转换单元,配置为将所述脑电信号进行模数转换;
信号处理与控制单元,配置为根据经转换的脑电信号以及所述被试者的情感参数范围生成指令;以及
语音播放单元,配置为根据所述指令播放语音。
根据本发明一个具体实施例,所述装置还包括连接在所述脑电采集单元和模数转换单元之间的预处理电路,配置为预处理所述脑电信号。
根据本发明一个具体实施例,所述预处理电路包括:滤波电路,配置为对所述脑电信号进行滤波;以及放大电路,配置为对经滤波的脑电信号进行放大。
根据本发明一个具体实施例,所述滤波电路包括高通滤波电路、陷波电路和低通滤波电路;所述放大电路包括前置放大电路和后置放大电路。
根据本发明一个具体实施例,所述预处理电路包括:电平调整电路,配置为调整经放大的脑电信号的电压。
根据本发明一个具体实施例,所述信号处理与控制单元进一步配置为:
利用不同的嵌入维数,对所述经转换的脑电信号进行时延扩展,以获得对应于每个嵌入维数的、由多个状态向量构成的相空间;
对于对应于每个嵌入维数的相空间:
计算任意两个状态向量之间的距离,
将所有距离值划分到等长度差的多个区段,并统计每个区段中包含的距离值的数目,
根据每个区段包含的距离值的数目和所有距离值的数目统计每个区段的概率,并且利用所述概率计算对应于该嵌入维数的信息熵;以及
构建所有信息熵的一元线性回归方程,并根据所述一元线性回归方程的斜率以及所述被试者的情感参数范围生成所述指令。
根据本发明另一方面,还提供了一种基于脑机接口技术的方法,包括:
采集被试者的脑电信号;
将所述脑电信号进行模数转换;
根据经转换的脑电信号以及所述被试者的情感参数范围生成指令;
根据所述指令播放语音。
根据本发明一个具体实施例,所述方法还包括:在采集所述脑电信号后,预处理所述脑电信号。
根据本发明一个具体实施例,所述预处理包括滤波、放大以及调整经放大的脑电信号的电压。
根据本发明一个具体实施例,所述生成指令的步骤进一步包括:
利用不同的嵌入维数,对所述经转换的脑电信号进行时延扩展,以获得对应于每个嵌入维数的、由多个状态向量构成的相空间;
对于对应于每个嵌入维数的相空间:
计算任意两个状态向量之间的距离,
将所有距离值划分到等长度差的多个区段,并统计每个区段中包含的距离值的数目,
根据每个区段包含的距离值的数目和所有距离值的数目统计每个区段的概率,并且利用所述概率计算对应于该嵌入维数的信息熵;以及
构建所有信息熵的一元线性回归方程,并根据所述一元线性回归方程的斜率以及所述被试者的情感参数范围生成所述指令。
本发明有效利用脑机接口技术,为被试者提供一种全新、直观的交流方式,有助于提高被试者的生活质量。尤其是有效帮助了存在语言障碍但头脑功能正常的被试者,具有积极的社会意义。
在发明内容中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
以下结合附图,详细说明本发明的优点和特征。
附图说明
本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施方式及其描述,用来解释本发明的原理。在附图中,
图1是根据本发明一个具体实施例的基于脑机接口技术的装置的框图;
图2a、图2b和图2c分别示出了根据本发明一个实施例的被试者不同情感的信息熵的示意图;
图3是根据本发明一个具体实施例的预处理电路的示意图;以及
图4是根据本发明一个具体实施例的情感参数范围确定过程示意图。
具体实施方式
在下文的描述中,提供了大量的细节以便能够彻底地理解本发明。然而,本领域技术人员可以了解,如下描述仅涉及本发明的较佳实施例,本发明可以无需一个或多个这样的细节而得以实施。此外,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行描述。
人是感情动物,会有各种心情,例如兴奋、平和和生气等。脑电(Electroencephalography,EEG)是脑细胞群体放电产生的宏观现象。当人情绪波动的时候,大脑会产生特定的脑电信号。例如,对于从额叶采集到的脑电信号,当人心情不同时,能够呈现出明显不同。本发明利用上述自然规律,提供了一种基于脑机接口技术的装置。通过脑机接口实时采集被试者的脑电信号,分析其情绪状态并翻译成语音,从而方便被试者表达自己的情感。
图1是根据本发明一个具体实施例的基于脑机接口技术的装置的示意性框图。如图1所示,该装置包括脑电采集单元、模数转换单元、信号处理与控制单元和语音播放单元。这些部件可以顺次连接。本领域普通技术人员可以理解,该连接可以是物理连接或逻辑连接,可以是有线连接或无线连接。
脑电采集单元配置为采集被试者的脑电信号。
人类大脑的脑电波到目前为止分为四种:δ波、θ波、α波和β波。δ波:深度睡眠脑波状态(范围0.5-3HZ)。当人们的大脑频率处于δ波时,为深度睡眠、无意识状态。人的睡眠品质好坏与δ波有非常直接的关系。δ波睡眠是一种很深沉的睡眠状态,如果在辗转难眠时自己召唤出近似δ波状态,就能很快地摆脱失眠而进入深沉睡眠。θ波:深度放松、无压力的潜意识状态(范围4-8HZ)。当人们的大脑频率处于θ波时,人的意识中断,身体深沉放松,对于外界的信息呈现高度的受暗示状态,即被催眠状态。θ波对于触发深沉记忆、强化长期记忆等帮助极大,所以θ波被称为"通往记忆与学习的闸门"。α波:学习与思考的最佳脑波状态(范围8-13HZ)。当人们的大脑频率处于α波时,人的意识清醒,但身体却是放松的,它提供意识与潜意识的“桥梁”。在这种状态下,身心能量耗费最少,相对的脑部获得的能量较高,运作就会更加快速、顺畅、敏锐。α波被认为是人们学习与思考的最佳脑波状态。β波:紧张、压力、脑疲劳时的脑波状态(范围14HZ-30HZ)。人们清醒时,大部分时间大脑频率处于β波状态。随着β波的增加,身体逐渐呈紧张状态,因而削减了体内免疫系统能力,此时人的能量消耗加剧,容易疲倦,若不充分休息,容易堆积压力(这是现代人的通病)。适当的β波对注意力提升以及认知行为的发展有积极作用。优选地,脑电采集单元配置为将被试者的脑电信号中的β波实时采集出来。由于脑电信号的频率最高在100HZ左右,根据采样定理,实验中可以将采样频率选定为500HZ-1000HZ。
脑电采集单元可以包括各种电极。在装置使用时,将电极安放在被试者头部的合适位置,例如,与头皮紧密接触,以准确采集被试者的脑电信号。优选地,脑电采集单元包括非侵入式干电极。电极可以是两个。采集脑电信号时,可以将一个电极安放在前额,另一个通过夹子固定在耳垂。非侵入式干电极采用微针技术、超高输入阻抗放大器以及光电传感技术。相对于传统脑电采集电极,非侵入式干电极摆脱了对导电介质的依赖性,使用方便、便携、灵敏度高、不易受环境制约,从而保证所采集脑电信号准确性。
模数转换单元配置为将所采集的脑电信号进行模数转换。初始的脑电信号是模拟信号。为了便于信号处理与控制,将所采集的脑电信号进行模数转换。模数转换单元可以用现有芯片,例如:型号为AD7705的芯片。该芯片的转换精度可达1/65536,有利地保证了信号转换的准确度。
信号处理与控制单元配置为根据经转换的脑电信号以及所述被试者的情感参数范围生成指令。
被试者的情感参数范围可以分为例如3个不同范围,分别是正性情感、负性情感和中性情感的情感参数范围。正性情感是人们心情愉悦的情感。负性情感是人们心情沮丧的情感。中性情感是人们心情平和的情感。由于脑电信号存在个人差异,所以对于每位被试者来说,情感参数范围的阈值可能会稍有不同。所以,优选地,被试者的情感参数范围可以经过对该被试者进行学习训练而获得。经转换的脑电信号经计算落入哪个情感参数范围,那么就生成对应的指令,例如:正性情感指令、负性情感指令和中性情感指令。
被试者的情感参数范围的获得可利用中国情绪情感图片系统(ChineseAffective Picture System,CAPS)。该系统是目前中国具有最高权威的图片系统。人们发现不同的图片会给人们带来不同的心理感受。例如,可爱的小兔的图片可能让人心情愉悦。普通的单色图片可能不会引起人的较大情绪波动。可怕的癞蛤蟆的图片可能让人心生厌恶。该系统包括大量带有正性情感的图片(例如花朵)、带有负性情感的图片(例如骷髅)以及带有中性情感的图片(例如纹理)。该系统中的图片具有较好的情感唤起效果和一致性。由此,利用该系统来获得情感参数范围,保证了情感参数范围的客观性和重测信度。
信号处理与控制单元可以采用DSP芯片及其周边电路来实现,例如,DSP5402系统。DSP芯片具有强大的数据处理能力,处理速度快,功耗低。优选地,信号处理与控制单元还可以采用具备特定逻辑功能的专用逻辑电路来实现。专用逻辑电路是功能固化的特定逻辑电路连接而成。
语音播放单元配置为根据信号处理与控制单元发出的指令播放语音。仍以上例为例:对于正性情感指令,可以播放表示被试者愉悦的语音;对于负性情感指令,可以播放表示被试者低落的语音,以此类推。语音播放单元可以根据该指令调用情感语音库,从而实现将被试者情感翻译成语音,直观的表达出被试者当前的情感状态。
语音播放单元可以包括:振荡器、语音单元、前置放大器、自动增益控制电路、抗干扰滤波器、输出放大器等元件。本领域普通技术人员可以理解语音播放单元的具体实现,在此不再赘述。
上述装置有效利用脑机接口技术,克服了现有技术中未能实现将被试者的情绪翻译成语音从而直观的表达被试者的情感的不足;为被试者提供一种全新、直观的交流方式,有助于提高被试者的生活质量。尤其是有效帮助了存在语言障碍但头脑功能正常的被试者,具有积极的社会意义。
根据本发明一个具体实施例,上述信号处理与控制单元可以进一步配置为将脑电信号进行相空间重构,之后利用信息熵以及一元线性模型生成指令。下面对此进行详细描述。本领域普通技术人员可以理解,下述内容均可以采用具备特定逻辑功能的专用逻辑电路来实现。
首先,利用不同的嵌入维数,对经模数转换的脑电信号进行时延扩展,以获得对应于每个嵌入维数的、由多个状态向量构成的相空间。
一般时间序列信号主要是在时间域或者变换域中进行研究。脑电信号属于混沌时间序列信号。优选地,对于脑电信号,无论是混沌不变量的计算、混沌模型的建立和预测都可以在相空间中进行。相空间重构是处理混沌时间序列信号的非常重要的一步。相空间是一个用以表示一个系统所有可能状态的空间,即系统每个可能的状态都有一相对应的相空间的点。Takens定理保证了可以从一维混沌时间序列中重构一个与原动力系统在拓扑意义下等价的相空间,即在存在噪声的情况下实测的时间序列可以被嵌入到相空间中。也就是说,假设已经测得某系统的一个时间序列,相空间重构的目的就是把这实测的时间序列嵌入到一个相空间中。这个实测的时间序列只是相空间所有点(系统的状态)的变化的某一种组合。由于原动力系统的方程是未知的,所以不能从系统的方程中得到它的吸引子(动力系统的拓扑参数),不过可以在所选择的嵌入空间中从实测的时间序列数据中重构原系统的吸引子而使其保持原所有内在特征的不变性。相空间重构就是为了使重构后的吸引子与真正的吸引子尽可能做到拓扑等价。
在该实施例中,采用坐标延时法进行相空间重构。设脑电信号采样所得的L点一维时间序列表示为[x(1),x(2),…,x(L)],嵌入维数为m,时延为S。其中,m可以分别取4至30的自然数分别计算,S可以取12。对于每个嵌入维数m,例如m=5,脑电信号经时延扩展后,获得由n个状态向量构成的相空间。这n个状态向量代表相空间中的n个坐标点(系统状态),形成一条动力系统的运动轨迹。
其中,第k个状态向量为:
Xk=[x(k),x(k+S),x(k+2S),…,x(k+(m-1)S)]T,
k=1,2,…,n,n=L-(m-1)S (1)
然后,对于对应于每个嵌入维数的相空间:计算任意两个状态向量之间的距离,将所有距离值划分到等长度差的多个区段,并统计每个区段中包含的距离值的数目,根据每个区段包含的距离值的数目和所有距离值的数目统计每个区段的概率,并且利用该概率计算对应于该嵌入维数的信息熵。下面将详细描述针对对应于每个嵌入维数的相空间的计算。
1)计算任意状态向量Xk与其余状态向量之间的距离。该距离可以是二者之间的标准欧式距离。例如,两个m维状态向量a(x11,x12,…,x1m)与b(x21,x22,…,x2m)间的欧氏距离按照如下式(2)计算,其中Sk代表第k个分量的标准差。
d 12 = Σ k = 1 m ( x 1 k - x 2 k s k ) 2 - - - ( 2 )
本领域普通技术人员可以理解,除了标准欧氏距离,本发明还可以采用其他距离。采用标准欧氏距离可以克服欧氏距离将所有分量属性等同的缺点,将不同的分量统一变成期望为0,方差为1的标准分布。为之后的分类统一标准。
2)将所有距离值划分到等长度差的多个区段,并统计每个区段中包含的距离值的数目。
假设共有Ns个区段,Ns可以取10至20之间的自然数。根据本发明一个具体实施例,假设最大距离为Dmax,最小距离为Dmin。计算最大距离和最小距离之间的差值,D=Dmax-Dmin。设d=D/Ns为相邻区段的长度差。则区段的长度分别为Dmin+d,Dmin+2d,…,Dmax。将所有的距离值按大小划分到这Ns个区段。假设Dmin+d<Di<Dmin+2d,那么距离Di划分到长度为Dmin+2d的区段。然后统计这Ns个区段中,每个区段包含的距离的个数。
3)根据每个区段包含的距离值的数目和所有距离值的数目统计每个区段的概率,并且利用上述概率计算对应于该嵌入维数的信息熵。信息熵可以理解成某系统信息的有序程度,信息熵越大系统的有序性越低。可以通过计算每个区段的统计数与总数之比来得出该区段的一个概率分布Pi(i=1,2,…,NS)。最后可利用概率Pi按式(3)计算出对应于该嵌入维数m的信息熵。
E(m)=∑Pi*log2(Pi) (3)
改变m值,重复以上的计算步骤,得出对应每个嵌入维数m的信息熵E(m)。图2a、图2b和图2c分别示出了根据本发明一个实施例的被试者不同情感的信息熵的示意图。其中,横坐标是嵌入维数m,纵坐标是信息熵,单位是比特。图2a中,随着嵌入维数的增加,信息熵逐渐变大。图2b中,随着嵌入维数的增加,信息熵显著减小。图2c中,随着嵌入维数的增加,信息熵缓慢减小。
总之,上述计算从已测的一维时间序列中重构出该系统在这段时间内的所有可能的状态,然后再计算这些状态之间相互转换的概率。上述计算过程可以克服相空间重构时状态点过密或者过疏的不足。本领域的普通技术人员可以理解,上面仅为提供的一个优选实施例,其并不构成对本发明的限制。
最后,构建对应于每个嵌入维数的所有信息熵的一元线性回归方程,并根据该一元线性回归方程的斜率以及该被试者的情感参数范围生成所述指令。
仍以图2a、图2b和图2c所示的信息熵示意图为例,其中的信息熵的一元线性回归方程的斜率分别为0.4、-0.005和-0.025,假设该被试者的正性、负性和中性情感参数范围分别是[0.1,1]、[-0.01,-0.001]、[-0.1,-0.01],则可以判断:图2a所示的信息熵表达了被试者当前情感为正性,图2b所示的信息熵表达了被试者当前情感为负性,图2c所示的信息熵表达了被试者当前情感为中性。由此,信号处理与控制单元可以分别发出对应的指令给语音播放单元。
根据本发明一个具体实施例,上述装置还可以包括连接在所述脑电采集单元和模数转换单元之间的预处理电路,配置为预处理脑电信号。脑电信号的幅值大概在2到100微伏左右,且伴随着复杂的噪声影响。预处理电路能有效增加有效信号的强度,避免其受到噪声干扰,使得语音播放的准确性得以提高,从而提高被试者体验。
可选地,该预处理电路可以包括滤波电路和放大电路。滤波电路配置为对脑电信号进行滤波;放大电路配置为对经滤波的脑电信号进行放大。为了计算更方便,可以将脑电信号放大15000到20000倍。滤波电路和放大电路配合,能有效提高脑电信号的信噪比。
可选地,滤波电路可包括高通滤波电路、陷波电路和低通滤波电路;放大电路可包括前置放大电路和后置放大电路。可选地,预处理电路还可以包括电平调整电路,其配置为调整经放大的脑电信号的电压。
图3示出了根据本发明一个具体实施例的预处理电路的示意图。如图3所示,Vin+为输入脑电信号(例如,额叶信号),Vin-为参考信号(例如,来自耳垂的信号),Vout为预处理电路输出的电压信号。在图3中,A部分为第一级信号放大电路。B部分和D部分是高通滤波电路。C部分是陷波电路。E部分是低通滤波电路。F部分是中间级放大电路。G部分是二阶有源低通滤波电路。H部分是脑电信号的基准电平调整电路。如图三所示,A、B、C、D、E、F、G和H部分顺次串联连接。
其中,图3中所示A部分为第一级信号放大电路。优选地,第一级信号放大电路为测量放大器。其能够较好的抑制包括工频、静电和电磁耦合等的干扰;并且其没有毫伏级的失调电压和微伏级的温度漂移。例如,可以采用芯片INA128,它具有高共模抑制比、高精度、低功耗、低失调电压、低漂移和高稳定增益的特点,可实现从1到10000的任意增益选择。其放大倍数由公式Au=1+50kΩ/R3决定。当测量放大器这样的集成化放大器作为前置放大器时,由于极化电压的存在,放大器的增益只能在100倍以内。根据本发明优选实施例,本电路采用如图接法,R3=2.5kΩ,放大倍数为21倍。
B部分和D部分是高通滤波电路。B部分可以是二阶有源高通滤波器,为了能够确保高通的滤波效果,加一级一阶无源高通滤波器。无源滤波器要比有源滤波器电路简单,且成本低,所以在能够满足脑电信号的计算要求的前提下,可以选用无源滤波器保证滤波效果。高通滤波器的转折频率可以是14HZ。
C部分是陷波电路。增加陷波电路,有效避免50HZ的工频干扰。
E部分是低通滤波电路。可以采用二阶有源低通滤波电路来实现,其中转折频率可以为30HZ。有源滤波电路较无源滤波电路的好处是体积小、重量轻以及性能好。
F部分是中间级放大电路。中间级放大电路为整个采集电路的主要放大电路,例如采用OP482GP放大器来实现,放大倍数可以为11倍。为了避免引入的噪声过大,这里的放大倍数也不宜过大,总体的放大倍数的要求可以由后面的补偿电路实现。
G部分是二阶有源低通滤波电路。G部分有效避免了前级放大脑电信号的过程中引入的噪声。H部分是脑电信号的基准电平调整电路。G部分和H部分可以共同构成后级信号补偿电路。信号补偿电路可以调整前级放大后的脑电信号,来更好地满足模数转换单元的输入要求。假设采用AD7705芯片作为模数转换单元,它要求的输入电压为0~2.5V,所以需要信号补偿电路(G&H)将脑电信号调整到这个范围。,如图,首先,U7、电阻R18和R20构成反向放大电路,放大倍数为101倍。此电路先把脑电信号进一步放大到伏级,为之后的信号抬升做准备。这样一来,整个预处理电路的放大倍数为Au=21*11*101,约为20000倍。U7又与电阻R18、R19、R20和R21构成加法器,将信号抬高到0~2.5V。
上述预处理电路中,通过滤波电路、放大电路、电平调整电路以及其之间的连接,有效保证了脑电信号的信噪比,进而保证了脑电信号的后续处理和计算。
根据本发明的另一方面,还提供了一种基于脑机接口技术的方法。该方法包括以下步骤:
采集被试者的脑电信号;
将所述脑电信号进行模数转换;
根据经转换的脑电信号以及所述被试者的情感参数范围生成指令;
根据所述指令播放语音。
根据本发明一个具体实施例,所述方法还包括:在采集所述脑电信号后,预处理所述脑电信号。
根据本发明一个具体实施例,所述预处理包括滤波、放大以及调整经放大的脑电信号的电压。
根据本发明的一个具体实施例,所述预处理包括:a)第一级信号放大;b)高通滤波;c)陷波;d)再次高通滤波;e)低通滤波;f)中间级信号放大;f)再次低通滤波;h)脑电信号的基准电平调整。
根据本发明一个具体实施例,所述生成指令的步骤进一步包括:
利用不同的嵌入维数,对所述经转换的脑电信号进行时延扩展,以获得对应于每个嵌入维数的、由多个状态向量构成的相空间;
对于对应于每个嵌入维数的相空间:
计算任意两个状态向量之间的距离,
将所有距离值划分到等长度差的多个区段,并统计每个区段中包含的距离值的数目,
根据每个区段包含的距离值的数目和所有距离值的数目统计每个区段的概率,并且利用所述概率计算对应于该嵌入维数的信息熵;以及
构建所有信息熵的一元线性回归方程,并根据所述一元线性回归方程的斜率以及所述被试者的情感参数范围生成所述指令。
本领域普通技术人员通过阅读上文关于基于脑机接口技术的装置的描述能够理解该方法的步骤、实现以及优点,因此这里不再赘述。
利用上述方法,针对30名被试者进行了基本特性实验,以证明方法的有效性。被试者均为青年学生,15名男生,15名女生,平均年龄24岁,身体健康且惯用右手,视力正常(含矫正视力),均无心理疾病史。被试者在实验前一天睡眠质量良好,自愿参与本实验。在实验前,带领被试者熟悉实验环境,并与被试者轻松交谈,以消除其紧张心理,使之在进入实验时处于放松状态。如前所述,当给被试者呈现不同情感的图片时,所采集的脑电信号也是有明显差异的。所以,在实验中,自中国情绪情感图片系统选取30张不同的情感刺激图片,其中,带有正性情感的图片、带有负性情感的图片以及带有中性情感的图片各10张。
首先,按照图4所示流程图进行实验,以确定不同情感的情感参数范围。实验程序可以基于Eprime平台编写。在实验过程中,随机播放30张图片,播放每张图片2秒,相邻图片之间有5秒的时间,用于供被试者选择表达的情感。
例如,被试者在看到每张播放的图片之后做按键反应。被试者看到让其感觉到正性情感的图片则按键盘上的F键,看到让其感觉到负性情感的图片则按J键,看到让其没有太大情感波动的图片则按空格(SPACE)键。利用实验程序自动记录被试者的行为。该实验过程可大约持续半小时。由此,可获得每个被试者的正性情感、负性情感和中性情感的情感参数范围。
然后,再次按照如图4所示的类似流程,向被试者随机播放图片,其中,在播放相邻图片之间的5秒时间内,无需被试者按压键盘上的任何键。在本步骤中,基于所获得的上述参数范围,在所采集的被试者脑电信号经信号处理单元处理后,自动播放相关语音。
将所播放的语音和中国情绪情感图片系统中的图片信息相比较可知,本发明所提供的上述装置和方法表达情感的正确率高达75%以上。
本发明已经通过上述实施例进行了说明,但应当理解的是,上述实施例只是用于举例和说明的目的,而非意在将本发明限制于所描述的实施例范围内。此外本领域技术人员可以理解的是,本发明并不局限于上述实施例,根据本发明的教导还可以做出更多种的变型和修改,这些变型和修改均落在本发明所要求保护的范围以内。本发明的保护范围由附属的权利要求书及其等效范围所界定。

Claims (10)

1.一种基于脑机接口技术的装置,包括:
脑电采集单元,配置为采集被试者的脑电信号;
模数转换单元,配置为将所述脑电信号进行模数转换;
信号处理与控制单元,配置为根据经转换的脑电信号以及所述被试者的情感参数范围生成指令;以及
语音播放单元,配置为根据所述指令播放语音。
2.如权利要求1所述的装置,其特征在于,所述装置还包括连接在所述脑电采集单元和模数转换单元之间的预处理电路,配置为预处理所述脑电信号。
3.如权利要求2所述的装置,其特征在于,所述预处理电路包括:
滤波电路,配置为对所述脑电信号进行滤波;以及
放大电路,配置为对经滤波的脑电信号进行放大。
4.如权利要求3所述的装置,其特征在于,
所述滤波电路包括高通滤波电路、陷波电路和低通滤波电路;
所述放大电路包括前置放大电路和后置放大电路。
5.如权利要求4所述的装置,其特征在于,所述预处理电路包括:
电平调整电路,配置为调整经放大的脑电信号的电压。
6.如权利要求1所述的装置,其特征在于,所述信号处理与控制单元进一步配置为:
利用不同的嵌入维数,对所述经转换的脑电信号进行时延扩展,以获得对应于每个嵌入维数的、由多个状态向量构成的相空间;
对于对应于每个嵌入维数的相空间:
计算任意两个状态向量之间的距离,
将所有距离值划分到等长度差的多个区段,并统计每个区段中包含的距离值的数目,
根据每个区段包含的距离值的数目和所有距离值的数目统计每个区段的概率,并且利用所述概率计算对应于该嵌入维数的信息熵;以及
构建所有信息熵的一元线性回归方程,并根据所述一元线性回归方程的斜率以及所述被试者的情感参数范围生成所述指令。
7.一种基于脑机接口技术的方法,包括:
采集被试者的脑电信号;
将所述脑电信号进行模数转换;
根据经转换的脑电信号以及所述被试者的情感参数范围生成指令;
根据所述指令播放语音。
8.如权利要求7所述的方法,其特征在于,所述方法还包括:
在采集所述脑电信号后,预处理所述脑电信号。
9.如权利要求8所述的方法,其特征在于,所述预处理包括滤波、放大以及调整经放大的脑电信号的电压。
10.如权利要求9所述的方法,其特征在于,所述生成指令的步骤进一步包括:
利用不同的嵌入维数,对所述经转换的脑电信号进行时延扩展,以获得对应于每个嵌入维数的、由多个状态向量构成的相空间;
对于对应于每个嵌入维数的相空间:
计算任意两个状态向量之间的距离,
将所有距离值划分到等长度差的多个区段,并统计每个区段中包含的距离值的数目,
根据每个区段包含的距离值的数目和所有距离值的数目统计每个区段的概率,并且利用所述概率计算对应于该嵌入维数的信息熵;以及
构建所有信息熵的一元线性回归方程,并根据所述一元线性回归方程的斜率以及所述被试者的情感参数范围生成所述指令。
CN201510069603.1A 2015-02-10 2015-02-10 一种基于脑机接口技术的装置和方法 Active CN104571533B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510069603.1A CN104571533B (zh) 2015-02-10 2015-02-10 一种基于脑机接口技术的装置和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510069603.1A CN104571533B (zh) 2015-02-10 2015-02-10 一种基于脑机接口技术的装置和方法

Publications (2)

Publication Number Publication Date
CN104571533A true CN104571533A (zh) 2015-04-29
CN104571533B CN104571533B (zh) 2018-03-13

Family

ID=53087810

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510069603.1A Active CN104571533B (zh) 2015-02-10 2015-02-10 一种基于脑机接口技术的装置和方法

Country Status (1)

Country Link
CN (1) CN104571533B (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529421A (zh) * 2016-10-21 2017-03-22 燕山大学 基于混合脑机接口技术的情绪及疲劳检测辅助驾驶系统
CN107067892A (zh) * 2017-03-15 2017-08-18 南昌大学 多信息融合手语翻译系统
CN110974221A (zh) * 2019-12-20 2020-04-10 北京脑陆科技有限公司 一种基于混合函数相关向量机的混合脑机接口系统
CN114647320A (zh) * 2022-05-24 2022-06-21 之江实验室 一种应用于脑机接口的同步采集与传输的方法及系统
CN115211854A (zh) * 2021-04-19 2022-10-21 天津科技大学 一种基于脑电波的智能自适应司机人机交互情绪调节方法
CN115736950A (zh) * 2022-11-07 2023-03-07 北京理工大学 一种基于多脑区协同相幅传递的睡眠动力学分析方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101287410A (zh) * 2005-10-12 2008-10-15 学校法人东京电机大学 脑功能分析方法及脑功能分析程序
CN101433461A (zh) * 2008-12-04 2009-05-20 上海大学 脑机接口的高性能脑电信号检测电路
CN102499699A (zh) * 2011-11-10 2012-06-20 东北大学 基于脑电信号的车载嵌入式路怒驾驶状态检测装置及方法
CN104281770A (zh) * 2014-06-30 2015-01-14 许蔚蔚 一种一元线性回归方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101287410A (zh) * 2005-10-12 2008-10-15 学校法人东京电机大学 脑功能分析方法及脑功能分析程序
CN101433461A (zh) * 2008-12-04 2009-05-20 上海大学 脑机接口的高性能脑电信号检测电路
CN102499699A (zh) * 2011-11-10 2012-06-20 东北大学 基于脑电信号的车载嵌入式路怒驾驶状态检测装置及方法
CN104281770A (zh) * 2014-06-30 2015-01-14 许蔚蔚 一种一元线性回归方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
游荣义等: "相空间中脑电近似熵和信息熵的计算", 《计算物理》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106529421A (zh) * 2016-10-21 2017-03-22 燕山大学 基于混合脑机接口技术的情绪及疲劳检测辅助驾驶系统
CN107067892A (zh) * 2017-03-15 2017-08-18 南昌大学 多信息融合手语翻译系统
CN110974221A (zh) * 2019-12-20 2020-04-10 北京脑陆科技有限公司 一种基于混合函数相关向量机的混合脑机接口系统
CN115211854A (zh) * 2021-04-19 2022-10-21 天津科技大学 一种基于脑电波的智能自适应司机人机交互情绪调节方法
CN114647320A (zh) * 2022-05-24 2022-06-21 之江实验室 一种应用于脑机接口的同步采集与传输的方法及系统
CN115736950A (zh) * 2022-11-07 2023-03-07 北京理工大学 一种基于多脑区协同相幅传递的睡眠动力学分析方法
CN115736950B (zh) * 2022-11-07 2024-02-09 北京理工大学 一种基于多脑区协同相幅传递的睡眠动力学分析方法

Also Published As

Publication number Publication date
CN104571533B (zh) 2018-03-13

Similar Documents

Publication Publication Date Title
CN104571533A (zh) 一种基于脑机接口技术的装置和方法
CN108304917B (zh) 一种基于lstm网络的p300信号检测方法
CN110969108B (zh) 一种基于自主运动想象脑电的肢体动作识别方法
CN103815902B (zh) 基于脑电频域特征指标化算法的课堂教学评估系统及方法
CN105877766A (zh) 一种基于多生理信号融合的精神状态检测系统及方法
CN105956624B (zh) 基于空时频优化特征稀疏表示的运动想象脑电分类方法
CN108433722A (zh) 便携式脑电采集设备及其在ssvep和运动想象中的应用
CN110604565A (zh) 一种基于便携式eeg设备的脑部健康筛查方法
CN104383637B (zh) 一种培训辅助设备和培训辅助方法
CN204931634U (zh) 基于生理信息的抑郁症评估系统
CN103584872A (zh) 一种基于多生理参数融合的心理压力评估方法
CN105147248A (zh) 基于生理信息的抑郁症评估系统及其评估方法
Al-Nuaimi et al. Tsallis entropy as a biomarker for detection of Alzheimer's disease
CN101015451A (zh) 一种音乐脑电分析方法
CN109871831B (zh) 一种情感识别方法及系统
CN106955112A (zh) 基于量子小波神经网络模型的脑电波情绪认知方法
CN108122004A (zh) 基于Fisher判别稀疏超限学习机的脑电分类方法
CN103815900B (zh) 一种基于脑电频域特征指标化算法的测量警觉性的方法
CN115530754A (zh) 基于深度学习的癫痫预警方法及装置
CN103816007B (zh) 一种基于脑电频域特征指标化算法的耳鸣治疗设备及方法
Zainab et al. Emotion recognition based on EEG signals in response to bilingual music tracks.
CN106805968A (zh) 一种脑电放松度识别方法及装置
CN102938223A (zh) 一种音乐播放校音的方法、装置和设备
CN109044351A (zh) 基于脑电生物反馈的逻辑思维训练系统及方法
CN103690179A (zh) 一种穿戴式脑电放松训练仪

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant