CN108399006B - 信号处理方法及相关产品 - Google Patents
信号处理方法及相关产品 Download PDFInfo
- Publication number
- CN108399006B CN108399006B CN201810140853.3A CN201810140853A CN108399006B CN 108399006 B CN108399006 B CN 108399006B CN 201810140853 A CN201810140853 A CN 201810140853A CN 108399006 B CN108399006 B CN 108399006B
- Authority
- CN
- China
- Prior art keywords
- brain wave
- wave signal
- signal
- preset content
- content
- 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.)
- Expired - Fee Related
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 210000004556 brain Anatomy 0.000 claims abstract description 403
- 238000000034 method Methods 0.000 claims abstract description 42
- 238000000926 separation method Methods 0.000 claims abstract description 38
- 210000002569 neuron Anatomy 0.000 claims description 57
- 238000012545 processing Methods 0.000 claims description 37
- 230000015654 memory Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 9
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 19
- 230000006870 function Effects 0.000 description 19
- 238000004891 communication Methods 0.000 description 7
- 238000001914 filtration Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 239000002131 composite material Substances 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000003321 amplification Effects 0.000 description 2
- 210000003710 cerebral cortex Anatomy 0.000 description 2
- 239000007943 implant Substances 0.000 description 2
- 238000001727 in vivo Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000282693 Cercopithecidae Species 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000003826 tablet Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input 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
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
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)
- User Interface Of Digital Computer (AREA)
Abstract
本申请实施例公开了一种信号处理方法及相关产品，所述电子设备包括处理器，以及与所述处理器连接的脑电波部件，其中该方法包括：通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；对所述第二脑电波信号进行解析，得到所述预设内容。本申请实施例可以实现对脑电波信号进行解析，得到相应的内容，提升了电子设备的智能性。
Description
技术领域
本申请涉及信号处理技术领域，具体涉及一种信号处理方法及相关产品。
背景技术
随着电子设备(如手机、平板电脑等等)的大量普及应用，智能手机能够支持的应用越来越多，功能越来越强大，智能手机向着多样化、个性化的方向发展，成为用户生活中不可缺少的电子用品。用户通常通过手指触控、语音输入等形式与移动终端进行交互，控制电子设备完成各类功能。
以手机为例，在实际应用中，手机虽然智能程度相当高，但是，依旧需要用户用手去操作，如何提升手机的智能性的问题亟待解决。
发明内容
本申请实施例提供了一种信号处理方法及相关产品，可以用于提升电子设备的智能性。
第一方面，本申请实施例提供一种电子设备，所述电子设备包括处理器，以及与所述处理器连接的脑电波部，其中：
所述脑电波部件，用于获取第一脑电波信号，所述第一脑电波信号携带预设内容；
所述处理器，用于对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；以及对所述第二脑电波信号进行解析，得到所述预设内容。
第二方面，本申请实施例提供一种信号处理方法，应用于电子设备，所述电子设备包括处理器，以及与所述处理器连接的脑电波部件，所述方法包括：
所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；
所述处理器对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；以及对所述第二脑电波信号进行解析，得到所述预设内容。
第三方面，本申请实施例提供一种信号处理方法，应用于电子设备，所述电子设备包括脑电波部件，所述方法包括：
通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；
对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；
对所述第二脑电波信号进行解析，得到所述预设内容。
第四方面，本申请实施例提供一种信号处理装置，应用于电子设备，所述电子设备包括脑电波部件，其中，所述装置包括：
获取单元，用于通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；
分离单元，用于对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；
解析单元，用于对所述第二脑电波信号进行解析，得到所述预设内容。
第五方面，本申请实施例提供一种电子设备，包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行本申请实施例第三方面中的步骤的指令。
第六方面，本申请实施例提供了一种计算机可读存储介质，其中，上述计算机可读存储介质存储用于电子数据交换的计算机程序，其中，上述计算机程序使得计算机执行如本申请实施例第三方面中所描述的部分或全部步骤。
第七方面，本申请实施例提供了一种计算机程序产品，其中，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如本申请实施例第三方面中所描述的部分或全部步骤。该计算机程序产品可以为一个软件安装包。
可以看出，本申请实施例中所描述的信号处理方法及相关产品，电子设备可以通过脑电波部件获取第一脑电波信号，第一脑电波信号携带预设内容，对第一脑电波信号进行信号分离，得到第二脑电波信号，第二脑电波信号来源于预设内容的脑电波生成区域，对第二脑电波信号进行解析，得到预设内容。从而，可以实现对脑电波信号进行解析，得到相应的内容，提升了电子设备的智能性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1A是本申请实施例提供的一种电子设备的结构示意图；
图1B是本申请实施例提供的一种脑电波部件的结构示意图；
图1C是本申请实施例提供的集成脑电波部件的电子设备的结构示意图；
图1D是本申请实施例提供的另一种脑电波部件的结构示意图；
图1E是本申请实施例提供的另一种脑电波部件的结构示意图；
图1F是本申请实施例提供的另一种脑电波部件的结构示意图；
图1G是本申请实施例提供的另一种脑电波部件的结构示意图；
图1H是本申请实施例提供的一种电极阵列的结构示意图；
图1I是本申请实施例提供的脑电波部件的信号处理电路的示例图；
图1J是本申请实施例提供的一种信号处理方法的流程示意图；
图1K是本申请实施例提供的脑电波信号的波形示例图；
图1L是本申请实施例提供的以交叠方式使脑电波信号的采样时段以预定时长滑动的示例图；
图2是本申请实施例提供的另一种信号处理方法的流程示意图；
图3是本申请实施例提供的一种电子设备的结构示意图；
图4A是本申请实施例提供的一种信号处理装置的结构示意图；
图4B是本申请实施例提供的图4A所描述的一种信号处理装置的分离单元的结构示意图；
图4C是本申请实施例提供的图4A所描述的一种信号处理装置的解析单元的结构示意图；
图4D是本申请实施例提供的图4A所描述的一种信号处理装置的又一结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
本申请实施例所涉及到的电子设备可以包括各种具有无线通信功能的手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其他处理设备，以及各种形式的用户设备(user equipment，UE)，移动台(mobile station，MS)，终端设备(terminaldevice)等等。为方便描述，上面提到的设备统称为电子设备。
下面对本申请实施例进行详细介绍。
请参阅图1A，图1A是本发明实施例提供了一种电子设备100的结构示意图，上述电子设备100包括：处理器110和脑电波部件120，脑电波部件120电连接于处理器110，其中：
所述脑电波部件120，用于获取第一脑电波信号，所述第一脑电波信号携带预设内容；
所述处理器110，用于对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；以及对所述第二脑电波信号进行解析，得到所述预设内容。
可以看出，本申请实施例中，电子设备可以通过脑电波部件获取第一脑电波信号，第一脑电波信号携带预设内容，对第一脑电波信号进行信号分离，得到第二脑电波信号，第二脑电波信号来源于预设内容的脑电波生成区域，对第二脑电波信号进行解析，得到预设内容。从而，可以实现对脑电波信号进行解析，得到相应的内容，提升了电子设备的智能性。
其中，脑电波部件120又可以称为脑电波芯片、脑电波接收器等，该脑电波部件120集成在电子设备中，具有专用信号处理电路，并与电子设备的处理器连接，按照采集信号类型可以分为电流式脑电波部件和电磁式脑电波部件，电流式脑电波部件用于采集脑皮层产生的生物电流，电磁式脑电波部件用于采集人脑活动时辐射的电磁波，在这种情况下，脑电波部件120相当于一个天线，用于接收脑电波。可以理解的是，该脑电波部件120的具体形态可以是多种多样的，此处不做唯一限定。
举例来说，如图1B所示，该脑电波部件120可以包括天线模块和信号处理模块，具体可以集成在电子设备的主电路板上，天线模块采集人脑活动时产生的电磁波信号，信号处理模块针对该电磁波信号执行去噪、滤波、信号放大、编/解码、量化、数模转换等处理，最终形成基准脑电波信号发送给处理器进行处理。
又举例来说，如图1C和1D所示，该脑电波部件120可以包括穿戴式信号采集器，该穿戴式信号采集器可以收容于如图1C所示的电子设备的后壳的收容腔内，使用时，如图1D所示，穿戴式信号采集器与电子设备本端有线连接或者无线连接(无线连接对应穿戴式信号采集器集成有通信模块与电子设备本端通信连接)。
可选地，上述穿戴式信号采集器可以包括以下至少一种：脑电波头盔、脑电波耳环、脑电波助听器、脑电波眼镜、脑电波发夹、脑电波体内植入芯片、脑电波贴片、脑电波耳机等等。
再举例说明下，如图1E所示，以用户体内植入脑电波体内植入芯片为例，脑电波体内植入芯片用于连接多个神经元传感器，每一神经元传感器设置于每一神经元，用于接收来自每一神经元的脑电波信号。具体工作中，神经元传感器采集来自神经元的脑电波信号，并将该脑电波信号携带该神经元的神经元标识发送给脑电波体内植入芯片，再通过脑电波体内植入芯片将脑电波信号发送给脑电波部件。如图1F所示，当然，若用户与电子设备之间的距离大于预设距离时，可以通过脑电波信号放大器对脑电波信号进行放大，然后，将放大后的脑电波信号发送给脑电波体内植入芯片。上述神经元标识用于唯一识别神经元，神经元标识具体可以为编号、位置坐标、神经元名称等等。
因此，本申请实施例中的脑电波信号可以为以下至少一种：左脑的脑电波信号、右脑的脑电波信号、至少一个神经元的脑电波信号、来自大脑皮层的某一区域的脑电波信号等等，在此不作限定。
再举例来说，如图1G至1I所示，该脑电波部件120可以包括电极阵列和信号处理模块，其中，该电子阵列埋入头皮中捕获神经元的电信号，电极部分的结构为针状阵列，该信号处理电路部分可以包括信号放大器、信号过滤器、信号分离器、模数转换电路、接口电路等。
其中，处理器121包括应用处理器和基带处理器，处理器是电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行电子设备的各种功能和处理数据，从而对电子设备进行整体监控。其中，应用处理器主要处理操作系统、用户界面和应用程序等，基带处理器主要处理无线通信。可以理解的是，上述基带处理器也可以不集成到处理器中。电子设备还包括存储器，存储器用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行电子设备的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据电子设备的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在一个可能的示例中，所述第一脑电波信号包括由多个神经元发出的第三脑电波信号，每一脑电波信号携带一个神经元标识；在所述对所述第一脑电波信号进行信号分离，得到第二脑电波信号方面，所述处理器110具体用于：
获取所述预设内容对应的神经元标识集；
根据所述神经元标识集对所述第一脑电波信号进行分离，得到所述第二脑电波信号。
在一个可能的示例中，在所述对所述第二脑电波信号进行解析，得到所述预设内容方面，所述处理器110具体用于：
采用预设的脑电波训练模型，对所述第二脑电波信号进行机器学习，得到所述预设内容。
在一个可能的示例中，在所述对所述第二脑电波信号进行解析，得到所述预设内容方面，所述处理器110具体用于：
对所述第二脑电波信号进行预处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到数字脑电波信号；
提取所述数字脑电波信号的特征值，得到至少一个特征值，每一特征值对应一个内容标识；
按照预设的内容标识与内容之间的对应关系，确定所述至少一个特征值对应的内容，得到至少一个内容；
将所述至少一个内容进行合成，得到所述预设内容。
在一个可能的示例中，在所述对所述第二脑电波信号进行解析，得到所述预设内容之后，所述处理器110还具体用于：
对所述第一脑电波信号进行处理，得到第一脑电图；
将所述第一脑电图与预设的第二脑电图进行匹配；
在所述第一脑电图与所述第二脑电图匹配成功时，根据所述预设内容生成控制指令，执行与所述控制指令相应的操作。
基于上述图1A描述的电子设备，可以用于实现如下一种信号处理方法，包括如下步骤：
所述脑电波部件120获取第一脑电波信号，所述第一脑电波信号携带预设内容；
所述处理器110对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；以及对所述第二脑电波信号进行解析，得到所述预设内容。
请参阅图1J，图1J是本申请实施例提供了一种信号处理方法的流程示意图，应用于如图1A所述的电子设备，应用于电子设备，所述电子设备包括脑电波部件，如图所示，本信号处理方法包括：
101，电子设备通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容。
其中，上述第一脑电波信号可以为一段时间内的脑电波信号，或者，冥想预设内容时候的脑电波信号，当用户在冥想预设内容时，则会产生脑电波，该脑电波则可以携带预设内容，预设内容可以由用户自行设置，例如，用户想某个词语，预设内容可以为以下至少一种：字符、语音、图像、立体物体、动物、气味等等，以字符为例，可以是“oppo”、以语音为例，可以是“一首歌”，以图像为例，可以是“某一画面”，以立体物体为例，可以是“一个杯子”，以动物为例，可以是“一只狗”，以气味为例，可以是“一道美食”等等。
可选地，在用户与电子设备之间的距离小于预设距离时，执行上述步骤101，上述预设距离可以由用户自行设置或者系统默认。
可选地，上述步骤101可以按照如下方式实施：电子设备可以通过脑电波部件获取多个用户的脑电波信号。
可选地，上述用户不仅限于人，还可以是具备思维的动物(例如，猴子，外星人等等)，或者，机器人等等。
102，所述电子设备对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域。
其中，由于第一脑电波信号可能来源于多个用户，或者，即使来源于同一用户，由于用户思绪复杂性，所以脑电波信号也是一个复杂的复合信号，因此，有必要对第一脑电波信号进行分离。通常情况下，用户的大脑，不同的区域实现的功能不一样，例如，左脑与右脑，两者负责的功能不一样，又例如，负责味道的大脑区域，与负责语音的大脑区域不一样。用户在思考时，不同的区域可以同时思考，因此，得到的脑电波信号也是一个复杂的信号，但是，预设内容的话，只会来源于用户大脑的部分区域，因此，可以对上述第一脑电波信号进行分离，得到第二脑电波信号，该第二脑电波信号来源于预设内容的脑电波生成区域。
可选地，所述第一脑电波信号包括由多个神经元发出的第三脑电波信号，每一脑电波信号携带一个神经元标识；
上述步骤102，所述对所述第一脑电波信号进行信号分离，得到第二脑电波信号，可包括如下步骤：
21、获取所述预设内容对应的神经元标识集；
22、根据所述神经元标识集对所述第一脑电波信号进行分离，得到所述第二脑电波信号。
其中，预设内容可对应一个内容标识，内容标识可以为以下至少一种：文字、影像、色彩、声音、味道等等。用户在思考的时候，会有大量的神经元在活动，进而，每一神经元均有可能会产生脑电波信号，每一脑电波信号可以携带与生成该脑电波信号的神经元的神经元标识，预设内容可以对应多个神经元标识，该多个神经元标识可以形成神经元标识集，由于来自不同的神经元的脑电波信号均携带一个神经元标识，因此，可以对第一脑电波信号进行分离，得到与预设内容对应的神经元标识集对应的脑电波信号，即第二脑电波信号，如此，实现了通过脑电波信号对应的神经元标识，实现了对复合脑电波信号进行分离。
103，所述电子设备对所述第二脑电波信号进行解析，得到所述预设内容。
其中，电子设备可以对第二脑电波信号进行信号处理，得到预设内容，具体可以参照如下实施方式。
可选地，上述步骤103，对所述第二脑电波信号进行解析，得到所述预设内容，可按照如下方式实施：
采用预设的脑电波训练模型，对所述第二脑电波信号进行机器学习，得到所述预设内容。
其中，预设的脑电波训练模块可以通过对大量样本脑电波信号进行训练得到，具体地，在上述步骤101之前，还可以包括如下步骤：
A1、获取所述预设内容对应的正样本脑电波信号集；
A2、获取所述预设内容对应的负样本脑电波信号集；
A3、基于预设机器学习算法，对所述正样本脑电波信号集、所述负样本脑电波信号集进行训练，得到所述预设的脑电波训练模型。
其中，上述正样本脑电波信号集可以包括多个正样本脑电波信号，正样本脑电波信号为冥想预设内容时的脑电波信号。上述负样本脑电波信号集可以包括多个负样本脑电波信号，负样本脑电波信号为冥想非预设内容时的脑电波信号。上述预设机器学习算法可以为以下至少一种：神经网络算法(卷积神经网络)、遗传算法、蚁群算法、蜂群算法、支持向量机(support vector machine，SVM)等等。可以采用预设机器学习算法对上述正样本脑电波信号集以及负样本脑电波信号集进行训练，得到预设的脑电波训练模型。
可选的，上述步骤103，对所述第二脑电波信号进行解析，得到所述预设内容，可包括如下步骤：
B1、对所述第二脑电波信号进行预处理，得到参考脑电波信号；
B2、对所述参考脑电波信号进行模数转换，得到数字脑电波信号；
B3、提取所述数字脑电波信号的特征值，得到至少一个特征值，每一特征值对应一个内容标识；
B4、按照预设的内容标识与内容之间的对应关系，确定所述至少一个特征值对应的内容，得到至少一个内容；
B5、将所述至少一个内容进行合成，得到所述预设内容。
其中，上述预处理可以为以下至少一种：信号放大、滤波(低通滤波、高通滤波、宽通滤波等)、信号分离(例如，多个用户的脑电波信号，分离出指定用户的脑电波信号)等等。在对第二脑电波信号进行预处理之后，可以得到参考脑电波信号，对参考脑电波信号进行模数转换，得到数字脑电波数字，可以提取数字脑电波信号的特征值，可以得到至少一个特征值，由于特征值不一样，对应的内容不一样，因此，每一特征值可以对应一个内容标识，按照预设的内容标识与内容之间的对应关系，确定至少一个特征值对应的内容，得到至少一个内容，将至少一个内容进行合成，得到预设内容，例如，每一内容也对应一个时间点，依据时间点将至少一个内容串联起来，当然，还可以对串联后的内容进行语义识别，得到预设内容。
例如，由于脑电波包括：α脑波、β脑波、θ脑波、δ脑波，因此，不同的脑电波对应的内容不一样，因此，基于预设内容，也可以从多个维度进行表述，就拿视频来说，其不仅包括语音，还包括影像，预设内容也一样，可以从不同的维度表述同一内容，例如，可以用α脑波表述，也可以用β脑波表述。
需要说明的是，电子设备可以采用希尔伯特-黄变换(Hibert-Huang Transform，HHT)算法对数字脑电波信号进行识别。
具体地，首先求出脑电波传感器采集到的信号x(t)中所有的极值点，接着采用三次样条函数对极大值点和极小值点进行包络拟合，然后计算出包络线的平均值m(t)。并通过h(t)＝x(t)-m(t)判断是否满足本质模式函数(intrisic mode function，IMF)条件。在满足IMF条件后进行Hibert变化，且构造解析函数，然后求瞬时频率，获得希尔伯特瞬时能量谱，最后采用贝叶斯决策分类选取特征值。
具体实现中，电子设备还可以基于由短时间序列构成的脑电波信号X1(t)、X2(t)、X3(t)、X4(t)、X5(t)、通过共同空间模式CSP方法连续地计算特征值fp。如图1K所示，电子设备首先在每个脑电波信号Xn(t)(n＝1～5)中设定与间隔T1对应的帧，并计算每个脑电波信号在间隔T1内的fs×T1(fs：采样频率)个点处的值(脑数据)Dn(1)至Dn(fs×T1)。如上所述，电子设备分别从脑电仪1的电极1a至1e的信号X1(t)、X2(t)、X3(t)、X4(t)、X5(t)提取脑数据D1(1)至D1(fs×T1)、D2(1)至D2(fs×T1)、D3(1)至D3(fs×T1)、D4(1)至D4(fs×T1)、D5(1)至D5(fs×T1)。然后，电子设备基于提取的脑数据产生5(电极数)×fs×T1(采样时段T1内的脑数据项数)的矩阵E。
此外，电子设备基于所产生的矩阵E和通过已知的CSP方法获得的滤波W1和W1通过以下公式(1)计算特征值fp。
fp＝var(Zp)Σi＝12var(Zt)＝var(WpE)Σi＝12var(WiE)]]
注意上述的“var(Zp)”表示数据序列Zp的方差。
此外，电子设备相继地计算在每个预定的短时间T2(例如，T2＝125ms)处的特征值fp。具体地，如图1L所示，通过在每个脑电波信号Xn(t)中以交叠方式使采样时段T1以每个预定短时间(预定间隔)T2滑动，电子设备相继地产生矩阵E，并连续地计算特征值fp。
电子设备基于计算得到的特征值fp以例如线性支持向量机SVM的学习功能执行信号处理，并且产生控制信号。
可见，本示例中，由于用户在冥想不同内容状态下脑电波信号存在差异，从而特征值也存在差异，故而电子设备能够通过确定脑电波信号的特征值，再根据该特征值快速解析出用户想的内容，例如，用户A想到一个词“oppo”，则会产生脑电波，解析出来后得到“oppo”，当然，电子设备还可以将预设内容展示给用户。又例如，用户B想到一句话的他自己的口音说出的英文语音“hello world”，则解析出来后，可以以用户B的口音播放英文语音“hello world”，又例如，用户C想到了一个具体的实际场景，则解析出来后，可以得到该具体场景。
可以看出，本申请实施例中，电子设备可以通过脑电波部件获取第一脑电波信号，第一脑电波信号携带预设内容，对第一脑电波信号进行信号分离，得到第二脑电波信号，第二脑电波信号来源于预设内容的脑电波生成区域，对第二脑电波信号进行解析，得到预设内容。从而，可以实现对脑电波信号进行解析，得到相应的内容，提升了电子设备的智能性。
与上述图1J所示的实施例一致的，请参阅图2，图2是本申请实施例提供的一种信号处理方法的流程示意图，应用于如图1A所述的电子设备，所述电子设备包括脑电波部件，如图所示，本信号处理方法包括：
201、电子设备通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容。
202、所述电子设备对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域。
203、所述电子设备对所述第二脑电波信号进行解析，得到所述预设内容。
其中，上述步骤201-步骤203可参考上述图1J所描述的信号处理方法的对应步骤，在此不再赘述。
204，所述电子设备对所述第一脑电波信号进行处理，得到第一脑电图。
其中，上述第一脑电波信号可以为一复合信号，进而，可以对第一脑电波信号进行三维建模，得到第一脑电图。
205、所述电子设备将所述第一脑电图与预设的第二脑电图进行匹配。
其中，可以分别对第一脑电图进行特征提取，得到第一特征点集、对第二脑电图进行特征提取，得到第二特征点集，将第一特征点集和第二特征点集进行匹配，在第一特征点集与第二特征点集之间的匹配值大于预设匹配阈值时，确认第一脑电图与第二脑电图匹配成功，上述预设匹配阈值可以由用户自行设置，或者，系统默认。上述特征提取的方式可以为以下至少一种：Harris角点检测、尺度不变特征提取(scale invariant featuretransform，SIFT)等等。
206、所述电子设备在所述第一脑电图与所述第二脑电图匹配成功时，根据所述预设内容生成控制指令，执行与所述控制指令相应的操作。
其中，上述预设内容可以为用户想要执行的某一操作，例如，拍照，则生成拍照指令，控制电子设备进行拍照。又例如，解锁，则生成解锁指令，控制电子设备进行解锁。具体地，提取预设内容对应的目标关键字，按照预设的关键字与指令之间的映射关系，确定目标关键字对应的控制指令，执行与控制指令相应的操作。
可选地，在第一脑电图与第二脑电图匹配失败时，提示用户匹配失败。
此外，用户希望电子设备执行的操作至少包括以下任意一种：音频播放、视频播放、拍照、解锁、快充、相册展示、游戏启动、屏幕调整(包括界面调整、锁屏杂志调整、壁纸变更)、支付、工作模式调整、电话呼叫与接听、应用启动、下载、搜索等，此处不做唯一限定。
可以看出，本申请实施例中，电子设备可以通过脑电波部件获取第一脑电波信号，第一脑电波信号携带预设内容，对第一脑电波信号进行信号分离，得到第二脑电波信号，第二脑电波信号来源于预设内容的脑电波生成区域，对第二脑电波信号进行解析，得到预设内容，对第一脑电波信号进行处理，得到第一脑电图，将第一脑电图与预设的第二脑电图进行匹配，在第一脑电图与第二脑电图匹配成功时，根据预设内容生成控制指令，执行与控制指令相应的操作。从而，可以实现对脑电波信号进行解析，得到相应的内容，提升了电子设备的智能性。
与上述图1J、图2所示的实施例一致的，请参阅图3，图3是本申请实施例提供的一种电子设备的结构示意图，如图所示，该电子设备包括处理器、存储器、通信接口以及一个或多个程序，其中，上述一个或多个程序被存储在上述存储器中，并且被配置由上述处理器执行，上述程序包括用于执行以下步骤的指令；
通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；
对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；
对所述第二脑电波信号进行解析，得到所述预设内容。
在一个可能的示例中，所述第一脑电波信号包括由多个神经元发出的第三脑电波信号，每一脑电波信号携带一个神经元标识；在所述对所述第一脑电波信号进行信号分离，得到第二脑电波信号方面，所述程序中的指令具体用于执行以下操作：
获取所述预设内容对应的神经元标识集；
根据所述神经元标识集对所述第一脑电波信号进行分离，得到所述第二脑电波信号。
在一个可能的示例中，在所述对所述第二脑电波信号进行解析，得到所述预设内容方面，所述程序中的指令具体用于执行以下操作：
采用预设的脑电波训练模型，对所述第二脑电波信号进行机器学习，得到所述预设内容。
在一个可能的示例中，在所述对所述第二脑电波信号进行解析，得到所述预设内容方面，所述程序中的指令具体用于执行以下操作：
对所述第二脑电波信号进行预处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到数字脑电波信号；
提取所述数字脑电波信号的特征值，得到至少一个特征值，每一特征值对应一个内容标识；
按照预设的内容标识与内容之间的对应关系，确定所述至少一个特征值对应的内容，得到至少一个内容；
将所述至少一个内容进行合成，得到所述预设内容。
在一个可能的示例中，在所述对所述第二脑电波信号进行解析，得到所述预设内容之后，所述程序中的指令还具体用于执行以下操作：
对所述第一脑电波信号进行处理，得到第一脑电图；
将所述第一脑电图与预设的第二脑电图进行匹配；
在所述第一脑电图与所述第二脑电图匹配成功时，根据所述预设内容生成控制指令，执行与所述控制指令相应的操作。
上述主要从方法侧执行过程的角度对本申请实施例的方案进行了介绍。可以理解的是，电子设备为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所提供的实施例描述的各示例的单元及算法步骤，本申请能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本申请实施例可以根据上述方法示例对电子设备进行功能单元的划分，例如，可以对应各个功能划分各个功能单元，也可以将两个或两个以上的功能集成在一个处理单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。需要说明的是，本申请实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
图4A是本申请实施例中所涉及的信号处理装置的功能单元组成框图。该信号处理装置应用于电子设备，所述电子设备包括脑电波部件，该信号处理装置包括获取单元401、分离单元402和解析单元403，其中，
获取单元401，用于通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；
分离单元402，用于对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；
解析单元403，用于对所述第二脑电波信号进行解析，得到所述预设内容。
可选地，所述第一脑电波信号包括由多个神经元发出的第三脑电波信号，每一脑电波信号携带一个神经元标识；如图4B，图4B为图4A所描述的信号处理装置的分离单元402的具体细化结构，所述分离单元402可以包括获取模块4021和分离模块4022，具体如下：
获取模块4021，用于获取所述预设内容对应的神经元标识集；
分离模块4022，用于根据所述神经元标识集对所述第一脑电波信号进行分离，得到所述第二脑电波信号。
可选地，在所述对所述第二脑电波信号进行解析，得到所述预设内容方面，所述解析单元403具体用于：
采用预设的脑电波训练模型，对所述第二脑电波信号进行机器学习，得到所述预设内容。
可选地，如图4C，图4C为图4A所描述的信号处理装置的解析单元403的具体细化结构，所述解析单元403可以包括：处理模块4031、转换模块4032、提取模块4033、确定模块4034和合成模块4035，具体如下：
处理模块4031，用于对所述第二脑电波信号进行预处理，得到参考脑电波信号；
转换模块4032，用于对所述参考脑电波信号进行模数转换，得到数字脑电波信号；
，用于提取所述数字脑电波信号的特征值，得到至少一个特征值，每一特征值对应一个内容标识；
确定模块4034，用于按照预设的内容标识与内容之间的对应关系，确定所述至少一个特征值对应的内容，得到至少一个内容；
合成模块4035，用于将所述至少一个内容进行合成，得到所述预设内容。
可选地，如图4D，图4D为图4A所描述的信号处理装置的又一变型结构，其与图4A相比较，还可以包括：处理单元404，匹配单元405和执行单元406，具体如下：
处理单元404，用于对所述第一脑电波信号进行处理，得到第一脑电图；
匹配单元405，用于将所述第一脑电图与预设的第二脑电图进行匹配；
执行单元406，用于在所述第一脑电图与所述第二脑电图匹配成功时，根据所述预设内容生成控制指令，执行与所述控制指令相应的操作。
可以看出，本申请实施例中所描述的信号处理装置，应用于电子设备，该电子设备可以通过脑电波部件获取第一脑电波信号，第一脑电波信号携带预设内容，对第一脑电波信号进行信号分离，得到第二脑电波信号，第二脑电波信号来源于预设内容的脑电波生成区域，对第二脑电波信号进行解析，得到预设内容。从而，可以实现对脑电波信号进行解析，得到相应的内容，提升了电子设备的智能性。
可以理解的是，本实施例的信号处理装置的各程序模块的功能可根据上述方法实施例中的方法具体实现，其具体实现过程可以参照上述方法实施例的相关描述，此处不再赘述。
本申请实施例还提供一种计算机存储介质，其中，该计算机存储介质存储用于电子数据交换的计算机程序，该计算机程序使得计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤，上述计算机包括电子设备。
本申请实施例还提供一种计算机程序产品，上述计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如上述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
上述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例上述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (12)
1.一种电子设备，其特征在于，所述电子设备包括处理器，以及与所述处理器连接的脑电波部件，其中：
所述脑电波部件，用于获取第一脑电波信号，所述第一脑电波信号携带预设内容；
所述处理器，用于对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；以及对所述第二脑电波信号进行解析，得到所述预设内容；
其中，所述第一脑电波信号包括由多个神经元发出的第三脑电波信号，每一脑电波信号携带一个神经元标识；
在所述对所述第一脑电波信号进行信号分离，得到第二脑电波信号方面，所述处理器具体用于：
获取所述预设内容对应的神经元标识集；
根据所述神经元标识集对所述第一脑电波信号进行分离，得到所述第二脑电波信号。
2.根据权利要求1所述的电子设备，其特征在于，在所述对所述第二脑电波信号进行解析，得到所述预设内容方面，所述处理器具体用于：
采用预设的脑电波训练模型，对所述第二脑电波信号进行机器学习，得到所述预设内容。
3.根据权利要求1所述的电子设备，其特征在于，在所述对所述第二脑电波信号进行解析，得到所述预设内容方面，所述处理器具体用于：
对所述第二脑电波信号进行预处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到数字脑电波信号；
提取所述数字脑电波信号的特征值，得到至少一个特征值，每一特征值对应一个内容标识；
按照预设的内容标识与内容之间的对应关系，确定所述至少一个特征值对应的内容，得到至少一个内容；
将所述至少一个内容进行合成，得到所述预设内容。
4.根据权利要求1-3任一项所述的电子设备，其特征在于，在所述对所述第二脑电波信号进行解析，得到所述预设内容之后，所述处理器还具体用于：
对所述第一脑电波信号进行处理，得到第一脑电图；
将所述第一脑电图与预设的第二脑电图进行匹配；
在所述第一脑电图与所述第二脑电图匹配成功时，根据所述预设内容生成控制指令，执行与所述控制指令相应的操作。
5.一种信号处理方法，其特征在于，应用于电子设备，所述电子设备包括处理器，以及与所述处理器连接的脑电波部件，所述方法包括：
所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；
所述处理器对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；以及对所述第二脑电波信号进行解析，得到所述预设内容；
其中，所述第一脑电波信号包括由多个神经元发出的第三脑电波信号，每一脑电波信号携带一个神经元标识；
所述对所述第一脑电波信号进行信号分离，得到第二脑电波信号，包括：
获取所述预设内容对应的神经元标识集；
根据所述神经元标识集对所述第一脑电波信号进行分离，得到所述第二脑电波信号。
6.一种信号处理方法，其特征在于，应用于电子设备，所述电子设备包括脑电波部件，所述方法包括：
通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；
对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；
对所述第二脑电波信号进行解析，得到所述预设内容；
其中，所述第一脑电波信号包括由多个神经元发出的第三脑电波信号，每一脑电波信号携带一个神经元标识；
所述对所述第一脑电波信号进行信号分离，得到第二脑电波信号，包括：
获取所述预设内容对应的神经元标识集；
根据所述神经元标识集对所述第一脑电波信号进行分离，得到所述第二脑电波信号。
7.根据权利要求6所述的方法，其特征在于，所述对所述第二脑电波信号进行解析，得到所述预设内容，包括：
采用预设的脑电波训练模型，对所述第二脑电波信号进行机器学习，得到所述预设内容。
8.根据权利要求6所述的方法，其特征在于，所述对所述第二脑电波信号进行解析，得到所述预设内容，包括：
对所述第二脑电波信号进行预处理，得到参考脑电波信号；
对所述参考脑电波信号进行模数转换，得到数字脑电波信号；
提取所述数字脑电波信号的特征值，得到至少一个特征值，每一特征值对应一个内容标识；
按照预设的内容标识与内容之间的对应关系，确定所述至少一个特征值对应的内容，得到至少一个内容；
将所述至少一个内容进行合成，得到所述预设内容。
9.根据权利要求6-8任一项所述的方法，其特征在于，在所述对所述第二脑电波信号进行解析，得到所述预设内容之后，所述方法还包括：
对所述第一脑电波信号进行处理，得到第一脑电图；
将所述第一脑电图与预设的第二脑电图进行匹配；
在所述第一脑电图与所述第二脑电图匹配成功时，根据所述预设内容生成控制指令，执行与所述控制指令相应的操作。
10.一种信号处理装置，其特征在于，应用于电子设备，所述电子设备包括脑电波部件，其中，所述装置包括：
获取单元，用于通过所述脑电波部件获取第一脑电波信号，所述第一脑电波信号携带预设内容；
分离单元，用于对所述第一脑电波信号进行信号分离，得到第二脑电波信号，所述第二脑电波信号来源于所述预设内容的脑电波生成区域；
解析单元，用于对所述第二脑电波信号进行解析，得到所述预设内容；
其中，所述第一脑电波信号包括由多个神经元发出的第三脑电波信号，每一脑电波信号携带一个神经元标识；
所述对所述第一脑电波信号进行信号分离，得到第二脑电波信号，包括：
获取所述预设内容对应的神经元标识集；
根据所述神经元标识集对所述第一脑电波信号进行分离，得到所述第二脑电波信号。
11.一种电子设备，其特征在于，包括处理器、存储器，所述存储器用于存储一个或多个程序，并且被配置由所述处理器执行，所述程序包括用于执行如权利要求6-9任一项所述的方法中的步骤的指令。
12.一种计算机可读存储介质，其特征在于，存储用于电子数据交换的计算机程序，其中，所述计算机程序使得计算机执行如权利要求6-9任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810140853.3A CN108399006B (zh) | 2018-02-11 | 2018-02-11 | 信号处理方法及相关产品 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810140853.3A CN108399006B (zh) | 2018-02-11 | 2018-02-11 | 信号处理方法及相关产品 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108399006A CN108399006A (zh) | 2018-08-14 |
| CN108399006B true CN108399006B (zh) | 2020-06-02 |
Family
ID=63096403
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810140853.3A Expired - Fee Related CN108399006B (zh) | 2018-02-11 | 2018-02-11 | 信号处理方法及相关产品 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108399006B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111967506A (zh) * | 2020-07-31 | 2020-11-20 | 西安工程大学 | 一种人工蜂群优化bp神经网络的脑电信号分类方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102202569A (zh) * | 2008-10-29 | 2011-09-28 | 丰田自动车株式会社 | 移动体控制装置和移动体控制方法 |
| CN103838363A (zh) * | 2012-11-27 | 2014-06-04 | 联想(北京)有限公司 | 一种信息采集的方法、信息获取的方法以及电子设备 |
| CN104622466A (zh) * | 2013-11-14 | 2015-05-20 | 北华航天工业学院 | 脑电波遥控车及控制方法 |
| CN105258284A (zh) * | 2015-10-14 | 2016-01-20 | 珠海格力电器股份有限公司 | 空调控制方法及空调控制系统 |
| CN106406297A (zh) * | 2016-08-03 | 2017-02-15 | 哈尔滨工程大学 | 一种基于无线脑电控制履带式移动机器人的控制系统 |
| CN106560765A (zh) * | 2016-06-14 | 2017-04-12 | 深圳创达云睿智能科技有限公司 | 一种虚拟现实中内容交互的方法和装置 |
| CN106648080A (zh) * | 2016-12-06 | 2017-05-10 | 青岛海信电器股份有限公司 | 一种基于脑电波的设备控制方法及装置 |
-
2018
- 2018-02-11 CN CN201810140853.3A patent/CN108399006B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102202569A (zh) * | 2008-10-29 | 2011-09-28 | 丰田自动车株式会社 | 移动体控制装置和移动体控制方法 |
| CN103838363A (zh) * | 2012-11-27 | 2014-06-04 | 联想(北京)有限公司 | 一种信息采集的方法、信息获取的方法以及电子设备 |
| CN104622466A (zh) * | 2013-11-14 | 2015-05-20 | 北华航天工业学院 | 脑电波遥控车及控制方法 |
| CN105258284A (zh) * | 2015-10-14 | 2016-01-20 | 珠海格力电器股份有限公司 | 空调控制方法及空调控制系统 |
| CN106560765A (zh) * | 2016-06-14 | 2017-04-12 | 深圳创达云睿智能科技有限公司 | 一种虚拟现实中内容交互的方法和装置 |
| CN106406297A (zh) * | 2016-08-03 | 2017-02-15 | 哈尔滨工程大学 | 一种基于无线脑电控制履带式移动机器人的控制系统 |
| CN106648080A (zh) * | 2016-12-06 | 2017-05-10 | 青岛海信电器股份有限公司 | 一种基于脑电波的设备控制方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108399006A (zh) | 2018-08-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11074466B2 (en) | Anti-counterfeiting processing method and related products | |
| CN108509033B (zh) | 信息处理方法及相关产品 | |
| CN108491076B (zh) | 显示控制方法及相关产品 | |
| CN108519811B (zh) | 截图方法及相关产品 | |
| CN108495191A (zh) | 视频播放控制方法及相关产品 | |
| CN108391164B (zh) | 视频解析方法及相关产品 | |
| CN107657218B (zh) | 人脸识别方法及相关产品 | |
| CN108334766B (zh) | 电子装置、解锁方法及相关产品 | |
| CN108681390B (zh) | 信息交互方法和装置、存储介质及电子装置 | |
| CN107451444B (zh) | 解锁控制方法及相关产品 | |
| CN107451454B (zh) | 解锁控制方法及相关产品 | |
| CN108499111B (zh) | 游戏难度调整方法及相关产品 | |
| US20180011975A1 (en) | Human body characteristic data processing method and apparatus | |
| CN107506697B (zh) | 防伪处理方法及相关产品 | |
| CN107545163B (zh) | 解锁控制方法及相关产品 | |
| CN108415564B (zh) | 电子装置、设备控制方法及相关产品 | |
| CN114302088A (zh) | 帧率调整方法、装置、电子设备及存储介质 | |
| CN108399006B (zh) | 信号处理方法及相关产品 | |
| CN108260012B (zh) | 电子装置、视频播放控制方法及相关产品 | |
| CN108494955B (zh) | 网络连接控制方法及相关产品 | |
| WO2019161720A1 (zh) | 信息推送方法及相关产品 | |
| CN107870670A (zh) | 基于脑电波的智能设备控制方法、设备及可读存储介质 | |
| CN108449757B (zh) | 网络连接控制方法及相关产品 | |
| CN107832690B (zh) | 人脸识别的方法及相关产品 | |
| CN110278323B (zh) | 网络隐藏管理方法及相关产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: 523860 No. 18 Wusha Haibin Road, Chang'an Town, Dongguan City, Guangdong Province Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200602 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |