CN109124624A - 脑电波模板获取方法及相关产品 - Google Patents

脑电波模板获取方法及相关产品 Download PDF

Info

Publication number
CN109124624A
CN109124624A CN201810623195.3A CN201810623195A CN109124624A CN 109124624 A CN109124624 A CN 109124624A CN 201810623195 A CN201810623195 A CN 201810623195A CN 109124624 A CN109124624 A CN 109124624A
Authority
CN
China
Prior art keywords
brain wave
wave template
default
template
eeg signals
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.)
Pending
Application number
CN201810623195.3A
Other languages
English (en)
Inventor
刘羽翔
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.)
Shenzhen World Tesco Agel Ecommerce Ltd
Original Assignee
Shenzhen World Tesco Agel Ecommerce Ltd
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 Shenzhen World Tesco Agel Ecommerce Ltd filed Critical Shenzhen World Tesco Agel Ecommerce Ltd
Priority to CN201810623195.3A priority Critical patent/CN109124624A/zh
Publication of CN109124624A publication Critical patent/CN109124624A/zh
Pending legal-status Critical Current

Links

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7246Details of waveform analysis using correlation, e.g. template matching or determination of similarity
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychiatry (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本申请实施例公开了一种脑电波模板获取方法及相关产品,其中方法包括:获取用户的脑电波信号,并对脑电波信号进行特征提取,获得第一脑电信号;将第一脑电信号与预设脑电波模板进行比对,获取第一脑电信号与预设脑电波模板的差异信息;将差异信息更新至预设脑电波模板,获得新的脑电波模板。本申请实施例通过自动学习更新脑电波模板库,使得脑电波模板与用户脑电波信号进行更高效和准确的匹配,进而提升脑电波控制或适配效果。

Description

脑电波模板获取方法及相关产品
技术领域
本申请涉及数据处理技术领域,具体涉及脑电波模板获取方法及相关产品。
背景技术
脑电波(Electroencephalogram,EEG)是一种使用电生理指标记录大脑活动得方法,大脑在活动时,大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化,是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。
在现代社会中,随着互联网技术和机器学习技术的发展,人们对脑电波的研究越来越深入,脑电波的应用也将逐渐变成现实。可采用脑电波进行身份认证、设备控制或环境适配等,在这个过程中,将进行用户脑电波与脑电波模板的匹配,以完成对用户脑电波的识别或解读,那么如何提高匹配的可靠性,将是脑电波技术应用中面临的关键问题。
发明内容
本申请实施例提供了一种脑电波模板获取方法及相关产品,以期通过自动学习更新脑电波模板库,使得脑电波模板与用户脑电波信号进行更高效和准确的匹配,进而提升脑电波控制或适配效果。
第一方面,本申请实施例提供一种脑电波模板获取方法,所述方法包括:
获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号;
将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息;
将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板。
可选的,所述将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板包括:
采用所述差异信息替换掉所述预设脑电波模板中的对应信息,形成与所述预设脑电波模板不同的新的脑电波模板;或
将所述差异信息添加至所述预设脑电波模板,形成同时包含所述预设脑电波模板和所述差异信息的新的脑电波模板。
可选的,在将所述第一脑电信号与预设脑电波模板进行比对之后,获取所述第一脑电信号与所述预设脑电波模板的差异信息之前,还包括:
获取所述第一脑电波信号与预设脑电波模板的对比相似度,确定所述对比相似度大于预设阈值;或
确定所述第一脑电信号与所述预设脑电波模板的指定部分完全匹配。
可选的,在将所述第一脑电信号与预设脑电波模板进行比对之前,还包括生成预设脑电波模板,所述生成预设脑电波模板包括:
采集多个脑电波信号样本,将所述脑电波信号样本按照情绪进行分类;
对所述按照情绪进行分类的脑电波信号样本进行训练,获得各类情绪对应的脑电波模板。
可选的,所述将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息,包括:
将所述第一脑电信号与所述各类情绪对应的脑电波模板进行对比;
获得所述第一脑电信号与所述各类情绪对应的脑电波模板的相似度;
确定与所述第一脑电信号相似度值最大的脑电波模板,设为预设脑电波模板;
获取所述第一脑电信号与所述第一预设脑电波模板的差异信息。
第二方面,本申请实施例提供一种脑电波模板获取装置,所述装置包括:
信号获取单元,用于获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号;
比对单元,用于将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息;
模板更新单元,用于将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板。
可选的,在将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板方面,所述模板更新单元具体用于:
采用所述差异信息替换掉所述预设脑电波模板中的对应信息,形成与所述预设脑电波模板不同的新的脑电波模板;或
将所述差异信息添加至所述预设脑电波模板,形成同时包含所述预设脑电波模板和所述差异信息的新的脑电波模板。
可选的,在将所述第一脑电信号与预设脑电波模板进行比对之后,获取所述第一脑电信号与所述预设脑电波模板的差异信息之前,所述对比单元还具体用于:
获取所述第一脑电波信号与预设脑电波模板的对比相似度,确定所述对比相似度大于预设阈值;或
确定所述第一脑电信号与所述预设脑电波模板的指定部分完全匹配。
可选的,所述脑电波模板获取装置还包括脑电波模板生成单元,具体用于:
采集多个脑电波信号样本,将所述脑电波信号样本按照情绪进行分类;
对所述按照情绪进行分类的脑电波信号样本进行训练,获得各类情绪对应的脑电波模板。
可选的,在将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息方面,所述对比单元具体用于:
将所述第一脑电信号与所述各类情绪对应的脑电波模板进行对比;
获得所述第一脑电信号与所述各类情绪对应的脑电波模板的相似度;
确定与所述第一脑电信号相似度值最大的脑电波模板,设为预设脑电波模板;
获取所述第一脑电信号与所述第一预设脑电波模板的差异信息。
第三方面,本申请实施例提供一种一种计算机可读存储介质,所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,所述计算机程序使得计算机执行例如本申请实施例第一方面任一方法中所描述的部分或全部步骤。
第四方面,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一方面任一方法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,通过获取用户的脑电波信号,对脑电波信号进行特征提取,获得第一脑电信号,然后将第一脑电信号与预设脑电波模板进行比对,获得第一脑电信号与预设脑电波模板的差异信息,最后将差异信息更新至预设脑电波模板,获得新的脑电波模板。在这个过程中,首先通过对获取到的脑电波信号进行特征提取,获得第一脑电信号,这样能够提取出脑电波信号中的有效信息,以便减少后续与脑电波模板进行比对的工作量,然后将获得的第一脑电信号与预设脑电波模板进行比对,获得差异信息,并将差异信息更新至预设脑电波模板,获得新的脑电波模板,这样能够使用于比对的脑电波模板处于不断学习和更新的状态,提升脑电波模板与第一脑电信号的匹配效率和准确度。
附图说明
下面将对本申请实施例所涉及到的附图作简单地介绍。
图1A是本申请实施例提供的一种脑电波信号采集设备;
图1B是本申请实施例提供的一种脑电波模板获取方法;
图1C是本申请实施例提供的一种获得各类情绪对应的脑电波模板示意图;
图1D是本申请实施例提供的一种与各类情绪对应的脑电波模板进行比对的示意图;
图2是本申请实施例提供的另一种脑电波模板获取方法流程示意图;
图3是本申请实施例公开的另一种脑电波模板获取方法流程示意图;
图4是本申请实施例公开的另一种脑电波模板获取方法流程示意图;
图5是本申请实施例公开的一种电子装置的功能单元组成框图。
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。
下面对本申请实施例进行详细介绍。
为了更好的理解本申请实施例的内容,首先对采集脑电波信号的设备进行介绍,请参阅图1A,图1A是本申请实施例提供的一种脑电波信号采集设备,如图1A所示,该脑电波信号采集设备110是穿戴式信号采集器,在信号采集器的内侧120包含多个电极,当用户戴上该信号采集器时,电极120贴于用户头皮上,通过检测电压的变化获取到用户的脑电波信号。另外,信号采集设备也可以是脑电波芯片、植入式电极阵列或非接触式传感器等。
请参阅图1B,图1B是本申请实施例提供的一种脑电波模板获取方法,如图1B所示,脑电波模板获取方法包括如下步骤:
步骤101:获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号。
具体地,脑电波传感器采集到的脑电波(Electroencephalogram,EEG)信号是由脑神经活动产生并且始终存在于中枢神经系统的自发性电位活动,是一种重要的生物电信号。由于脑电波信号非常微弱,采集到的脑电波信号背景噪声比较复杂,有50Hz的工频干扰,电极与皮肤的接触噪声以及电极与地之间的共模信号的干扰等等,甚至用户做出不同的动作表情时产生的肌肉信号都会影响脑电波信号。因此,需要对采集到的脑电波信号进行特征提取,获得相对纯净的第一脑电信号。
在可选的实施例中,在获取用户的脑电波信号时,对用户发出提示信息,提示用户发出预设指令或预设情绪的脑电波信号。因为人的脑电波信号在发出不同指令或产生不同情绪时会有较大差别,为了使获取到的第一脑电信号与预设脑电模板进行高效匹配,应该使两者表达的指令或情绪相同。
对于脑电波信号的特征提取,可以采用傅里叶变换、小波变换或小波包变换。脑电波信号是一些自发的有节律的神经电活动,其频率变动范围在每秒1-30次之间的,可划分为四个波段,即四个基本节律,分别为δ(1-4Hz)、θ(4.1-8Hz)、α(8.1-14Hz)和β(14.1-30Hz)。去除采集到的脑电波信号中的噪声信号,保留频率范围在上述波段的信号,即可获得第一脑电信号。
步骤102、将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息。
具体地,预设的脑电波模板,是为了满足某种需求训练出的模板,例如将脑电波用于当前用户身份认证,那么脑电波模板就是通过采集目标用户的多个脑电波信号,然后对多个脑电波信号进行训练,获得的脑电波模板,这样通过采集到的当前用户的脑电波信号与脑电波模板的匹配,即可识别当前用户是否是目标用户;或者脑电波用于设备控制,那么就需要采集多个不同用户的用于发出同一控制指令的脑电波信号,训练出脑电波模板,然后采集当前用户的脑电波信号与这些脑电波模板进行匹配,识别当前用户的脑电波信号发出的控制指令。
虽然是脑电波模板是通过同一个用户,或者针对同一个控制指令获得的,但是人的脑电波信号可能因为年龄的增长、阅历的增加或心境的变化而发生改变,针对同一个控制指令的脑电波信号也可能因为具体的使用者不同而略有差异,因此获得的第一脑电信号与预设脑电波模板之间存在差异信息。那么,为了让变化中的用户的脑电波信号能够与预设的脑电波模板进行更高效和更准确的比对,需要对脑电波模板进行持续的学习和更新。
脑电波模板可以是一段脑电图,也可以是若干个脑电信号参数值。第一脑电信号与脑电波模板的比对,需要是同一个维度上的比对,例如将两个波形图的频域值进行比对,振幅进行比对等。通过比对,即可获得预设脑电波模板与第一脑电信号之间的差异信息。
可选的,在将第一脑电信号与预设脑电波模板进行比对之后,获取第一脑电信号与预设脑电波模板的差异信息之前,还包括:获取第一脑电波信号与预设脑电波模板的对比相似度,确定对比相似度大于预设阈值;或确定第一脑电信号与预设脑电波模板的指定部分完全匹配。
具体地,由上述内容可知,将第一脑电信号与预设脑电波模板进行匹配,可能是用于身份认证,那么在根据差异信息更新脑电波模板之前,首先需要确定进行脑电波信号比对的用户是目标用户,即脑电波模板与第一脑电信号是同一人的脑电信号,否则如果根据第一脑电信号更新了脑电波模板,之前用于创建脑电波模板的用户的脑电波信号将无法再次通过脑电波模板的认证。同样的,如果第一脑电信号与预设脑电波模板进行匹配是用于设备控制,那么在根据差异信息更新脑电波模板之前,需要确定采集到的第一脑电信号发出的控制指令与预设脑电波模板对应的控制指令相同,否者更新后的脑电波模板将无法在进行预设的设备控制操作。因此,在获取第一脑电信号与预设脑电波模板的差异信息之前,需要获取第一脑电波信号与预设脑电波模板的对比相似度,确定对比相似度大于预设阈值;或确定第一脑电信号与预设脑电波模板的指定部分完全匹配。
在可选的实施例中,将对比相似度与指定部分匹配结合,如果已经确定第一脑电信号与预设脑电波模板指定部分完全匹配,但是二者的对比相似度小于预设阈值,那么假设预设脑电波模板是一段时频维度的脑电图,横轴为时间,纵轴为频率,第一脑电信号也是一段时频维度的脑电图,将预设脑电波模板和第一脑电信号以时间间隔M分为若干等分,获取每一段的对比相似度,若对比相似度大于第一预设阈值,则不进行替换,若对比相似度小于第一预设阈值,则用第一脑电信号该时间间隔M对应的脑电图替换掉预设脑电模板该时间间隔M对应的脑电图。
可选的,在将第一脑电信号与预设脑电波模板进行比对之前,还包括生成预设脑电波模板,生成预设脑电波模板包括:采集多个脑电波信号样本,将脑电波信号样本按照情绪进行分类;对按照情绪进行分类的脑电波信号样本进行训练,获得各类情绪对应的脑电波模板。
情绪是对一系列主观认知经验的通称,是多种感觉、思想和行为综合产生的心理和生理状态,其存在的主要形式分为心境、激情、热情和应激几种。本申请实施例中所涉及的情绪是指心境。心境是一种微弱、弥散和持久的情绪,也即平时说的心情。愉快的心境让人精神抖擞,感知敏锐,思维活跃,待人宽容;而不愉快的心境让人萎靡不振,感知和思维麻木、多疑。心境的变化,无疑会影响到脑电波信号的变化。
请参阅图1C,图1C是本申请实施例提供的一种获得各类情绪对应的脑电波模板示意图,如图1C所示,按照情绪分类,获得了三个预设脑电波模板。因为人在不同情绪状态时,δ波、θ波、α波和β波的活跃度有较大区别,因此获得的脑电波信号也有较大的区别。那么,根据获取人在不同情绪状态下的预设脑电波模板,可以提高获得的脑电波模板的精确度。
可选的,将第一脑电信号与预设脑电波模板进行比对,获取第一脑电信号与预设脑电波模板的差异信息,包括:将第一脑电信号与各类情绪对应的脑电波模板进行对比;获得第一脑电信号与各类情绪对应的脑电波模板的相似度;确定与第一脑电信号相似度值最大的各类情绪对应的脑电波模板,设为第一预设脑电波模板;获取第一脑电信号与第一预设脑电波模板的差异信息。
具体地,根据上述说明,已经获得不同类别情绪对应的多个预设脑电波模板,那么,需要将获取的第一脑电信号与多个预设脑电波模板进行一一比对。由于不同情绪对应的脑电波模板差别较大,因此第一脑电信号必须是与表达同一种情绪的脑电波模板进行比对,并获得差异信息。请参阅图1D,图1D是本申请实施例提供的一种与各类情绪对应的脑电波模板进行比对的示意图,如图1D所示,获取到第一脑电信号后,将其分别与第一类情绪、第二类情绪和第三类情绪对应的预设脑电波模板进行比对,获得第一脑电信号与第一类情绪的相似度为80%,与第二类情绪的相似度为90%,与第三类情绪的相似度为60%,那么第一脑电信号最大可能对应第二类情绪,获取第一脑电信号与第二类情绪的差异信息,并更新至第二类情绪对应的预设脑电波模板。并且由于第一脑电信号与第一类情绪和第三类情绪不属于同一类情绪,所以不能用第一脑电信号的信息更新第一类情绪和第三类情绪对应的预设脑电波模板,以免造成第一类情绪和第三类情绪失去与其预设脑电波模板的对应关系。
可见,在本实施例中将脑电波信号样本按照情绪分类,并获得各类情绪对应的脑电波模板,可以增强脑电波模板与不同情绪脑电波信号的对应度,即提高预设脑电波模板的准确度。然后在第一脑电信号与各类情绪对应的脑电波模板的比对过程中,首先获取与第一脑电信号相似度最高的一组脑电波模板,再将改组脑电波模板设置为预设脑电波模板,获取第一脑电信号与预设脑电波模板的差异信息,提升了用户脑电波信号与预设脑电波模板的对应准确度,进而对预设脑电波进行更准确的更新。
步骤103、将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板。
具体地,预设脑电波模板可以是一段脑电图,也可以是若干个脑电信号参数值。那么获得的第一脑电信号与预设脑电波模板的差异信息也可以是一段脑电图或者若干个脑电信号参数值。若预设脑电波模板是一段时频维度的脑电图,第一脑电信号也是一段时频维度的脑电图,那么在匹配过程中,第一脑电信号和预设脑电波模板的差异信息可能是某个时刻的频率波动不同,例如在时刻t1,预设脑电波模板的频率峰值为F1,第一脑电信号的频率峰值为F2,那么,获得差异信息的方法为:以t1为中心,向前后两个方向扩展K时间段,获取到差异信息为t1-K时刻至t1+k时刻对应的时频维度的脑电图。将差异信息更新至原本的预设脑电波模板,即可获得新的脑电波模板。
可选的,将差异信息更新至预设脑电波模板,获得新的脑电波模板的方法包括:采用差异信息替换掉预设脑电波模板中的对应信息,形成与预设脑电波模板不同的新的脑电波模板;或将差异信息添加至预设脑电波模板,形成同时包含预设脑电波模板和差异信息的新的脑电波模板。
具体地,将差异信息更新至预设脑电波模板中的方法包括替换掉原来的预设脑电波模板中对应位置的信息,形成一个与预设脑电波模板不同的新的脑电波模板,这样在采用脑电波模板用于身份认证或设备控制时,直接采用新的脑电波模板进行匹配即可。或者,也可以将差异信息添加到预设脑电波模板中,形成包含原预设脑电波模板和差异信息的新的脑电波模板,这样在采用脑电波模板用于身份认证或设备控制时,可以先匹配差异信息,再匹配原预设脑电波信息,将两者的匹配结果相结合,形成最终的匹配结果。考虑到多次匹配后,存储空间中脑电波模板的内容越来越多,可能占用大量内存,因此可以在一段时间后,清除先前的预设脑电波模板内容,用差异信息替换掉原来的预设脑电波模板中对应位置的信息。一段时间可以是一星期,一个月或半年等。或者在完成N次匹配后,N可以是任意正整数。
可以看出,本申请实施例中,通过获取用户的脑电波信号,对脑电波信号进行特征提取,获得第一脑电信号,然后将第一脑电信号与预设脑电波模板进行比对,获得第一脑电信号与预设脑电波模板的差异信息,最后将差异信息更新至预设脑电波模板,获得新的脑电波模板。在这个过程中,首先通过对获取到的脑电波信号进行特征提取,获得第一脑电信号,这样能够提取出脑电波信号中的有效信息,以便减少后续与脑电波模板进行比对的工作量,然后将获得的第一脑电信号与预设脑电波模板进行比对,获得差异信息,并将差异信息更新至预设脑电波模板,获得新的脑电波模板,这样能够使用于比对的脑电波模板处于不断学习和更新的状态,提升脑电波模板与第一脑电信号的匹配效率和准确度。
请参阅图2,图2是本申请实施例提供的另一种脑电波模板获取方法流程示意图,如图2所示,本脑电波模板获取方法包括:
步骤201、获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号;
步骤202、将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电波信号与预设脑电波模板的对比相似度;
步骤203、确定所述对比相似度大于预设阈值;
步骤204、获取所述第一脑电信号与所述预设脑电波模板的差异信息;
步骤205、。
可见,在本申请实施例中,通过确定第一脑电波信号与预设脑电波模板的对比相似度大于预设阈值,防止不满足要求的脑电波信号更改原本的预设脑电波模板,使得脑电波模板失去了作为比对标准的作用。另外,采用差异信息替换掉预设脑电波模板中的对应信息,形成新的脑电波模板,使得脑电波模板能够持续学习和改进,确保能更快速和准确地匹配动态变化的用户的脑电波信号。
请参阅图3,图3是本申请实施例提供的另一种脑电波模板获取方法流程示意图,如图3所示,本脑电波模板获取方法包括:
步骤301、获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号;
步骤302、将所述第一脑电信号与预设脑电波模板进行比对,确定所述第一脑电信号与所述预设脑电波模板的指定部分完全匹配;
步骤303、获取所述第一脑电信号与所述预设脑电波模板的差异信息;
步骤304、将所述差异信息添加至所述预设脑电波模板,形成同时包含所述预设脑电波模板和所述差异信息的新的脑电波模板。
可见,在本申请实施例中,通过确定第一脑电信号与预设脑电波模板的指定部分完全匹配,防止不满足要求的脑电波信号更改原本的预设脑电波模板,使得脑电波模板失去了作为比对标准的作用。另外,将差异信息添加到预设脑电波模板中,形成同时包含预设脑电波模板和差异信息的新的脑电波模板,使得脑电波模板能够持续学习和改进,确保能更快速和准确地匹配动态变化的用户的脑电波信号,同时保留原本的预设脑电波模板,使得脑电波模板能够满足用户脑电波信号向多个方向变化的匹配要求。
请参阅图4,图4是本申请实施例提供的另一种脑电波模板获取方法流程示意图,如图4所示,本脑电波模板获取方法包括:
步骤401、采集多个脑电波信号样本,将所述脑电波信号样本按照情绪进行分类;
步骤402、对所述按照情绪进行分类的脑电波信号样本进行训练,获得各类情绪对应的脑电波模板;
步骤403、获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号;
步骤404、将所述第一脑电信号与所述各类情绪对应的脑电波模板进行对比;
步骤405、获得所述第一脑电信号与所述各类情绪对应的脑电波模板的相似度;
步骤406、确定与所述第一脑电信号相似度值最大的脑电波模板,设为预设脑电波模板;
步骤407、获取所述第一脑电信号与所述预设脑电波模板的差异信息;
步骤408、将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板。
可见,在本申请实施例中,通过对脑电波信号进行情绪分类,获得各类情绪对应的脑电波模板,这样可以增加脑电波模板的精确度,使得用户脑电波信号与预设脑电波模板能够更容易地匹配,另外将第一脑电信号与各类情绪对应的脑电波模板对比,获得与第一脑电信号相似度值最大的脑电波模板,设为预设脑电波模板,这样提升了用户脑电波信号与预设脑电波模板的对应准确度,进而对预设脑电波进行更准确的更新。
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,电子装置为了实现上述功能,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装置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5是本申请实施例中所涉及的脑电波模板获取装置500的功能单元组成框图。该脑电波模板获取装置500应用于电子装置,该脑电波模板获取装置500包括信号获取单元501、比对单元502和模板更新单元503,其中,
所述信号获取单元501,用于获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号;
所述比对单元502,用于将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息;
所述模板更新单元503,用于将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板。
可以看出,本申请实施例中,通过获取用户的脑电波信号,对脑电波信号进行特征提取,获得第一脑电信号,然后将第一脑电信号与预设脑电波模板进行比对,获得第一脑电信号与预设脑电波模板的差异信息,最后将差异信息更新至预设脑电波模板,获得新的脑电波模板。在这个过程中,首先通过对获取到的脑电波信号进行特征提取,获得第一脑电信号,这样能够提取出脑电波信号中的有效信息,以便减少后续与脑电波模板进行比对的工作量,然后将获得的第一脑电信号与预设脑电波模板进行比对,获得差异信息,并将差异信息更新至预设脑电波模板,获得新的脑电波模板,这样能够使用于比对的脑电波模板处于不断学习和更新的状态,提升脑电波模板与第一脑电信号的匹配效率和准确度。
在一个可能的示例中,在将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板方面,所述模板更新单元503具体用于:
采用所述差异信息替换掉所述预设脑电波模板中的对应信息,形成与所述预设脑电波模板不同的新的脑电波模板;或
将所述差异信息添加至所述预设脑电波模板,形成同时包含所述预设脑电波模板和所述差异信息的新的脑电波模板。
在一个可能的示例中,在将所述第一脑电信号与预设脑电波模板进行比对之后,获取所述第一脑电信号与所述预设脑电波模板的差异信息之前,所述对比单元502还具体用于:
获取所述第一脑电波信号与预设脑电波模板的对比相似度,确定所述对比相似度大于预设阈值;或
确定所述第一脑电信号与所述预设脑电波模板的指定部分完全匹配。
在一个可能的示例中,装置还包括脑电波模板生成单元504,具体用于:
采集多个脑电波信号样本,将所述脑电波信号样本按照情绪进行分类;
对所述按照情绪进行分类的脑电波信号样本进行训练,获得各类情绪对应的脑电波模板。
在一个可能的示例中,在将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息方面,所述对比单元502具体用于:
将所述第一脑电信号与所述各类情绪对应的脑电波模板进行对比;
获得所述第一脑电信号与所述各类情绪对应的脑电波模板的相似度;
确定与所述第一脑电信号相似度值最大的脑电波模板,设为预设脑电波模板;
获取所述第一脑电信号与所述第一预设脑电波模板的差异信息。
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,上述计算机包括移动终端。
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,上述计算机包括移动终端。
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 (10)

1.一种脑电波模板获取方法,其特征在于,所述方法包括:
获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号;
将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息;
将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板。
2.根据权利要求1所述的方法,其特征在于,所述将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板包括:
采用所述差异信息替换掉所述预设脑电波模板中的对应信息,形成与所述预设脑电波模板不同的新的脑电波模板;或
将所述差异信息添加至所述预设脑电波模板,形成同时包含所述预设脑电波模板和所述差异信息的新的脑电波模板。
3.根据权利要求2所述的方法,其特征在于,在将所述第一脑电信号与预设脑电波模板进行比对之后,获取所述第一脑电信号与所述预设脑电波模板的差异信息之前,还包括:
获取所述第一脑电波信号与预设脑电波模板的对比相似度,确定所述对比相似度大于预设阈值;或
确定所述第一脑电信号与所述预设脑电波模板的指定部分完全匹配。
4.根据权利要求2或3所述的方法,其特征在于,在将所述第一脑电信号与预设脑电波模板进行比对之前,还包括生成预设脑电波模板,所述生成预设脑电波模板包括:
采集多个脑电波信号样本,将所述脑电波信号样本按照情绪进行分类;
对所述按照情绪进行分类的脑电波信号样本进行训练,获得各类情绪对应的脑电波模板。
5.根据权利要求4所述的方法,其特征在于,所述将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息,包括:
将所述第一脑电信号与所述各类情绪对应的脑电波模板进行对比;
获得所述第一脑电信号与所述各类情绪对应的脑电波模板的相似度;
确定与所述第一脑电信号相似度值最大的脑电波模板,设为预设脑电波模板;
获取所述第一脑电信号与所述第一预设脑电波模板的差异信息。
6.一种脑电波模板获取装置,其特征在于,所述装置包括:
信号获取单元,用于获取用户的脑电波信号,并对所述脑电波信号进行特征提取,获得第一脑电信号;
比对单元,用于将所述第一脑电信号与预设脑电波模板进行比对,获取所述第一脑电信号与所述预设脑电波模板的差异信息;
模板更新单元,用于将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板。
7.根据权利要求6所述的装置,其特征在于,在将所述差异信息更新至所述预设脑电波模板,获得新的脑电波模板方面,所述模板更新单元具体用于:
采用所述差异信息替换掉所述预设脑电波模板中的对应信息,形成与所述预设脑电波模板不同的新的脑电波模板;或
将所述差异信息添加至所述预设脑电波模板,形成同时包含所述预设脑电波模板和所述差异信息的新的脑电波模板。
8.根据权利要求7所述的装置,其特征在于,在将所述第一脑电信号与预设脑电波模板进行比对之后,获取所述第一脑电信号与所述预设脑电波模板的差异信息之前,所述对比单元还具体用于:
获取所述第一脑电波信号与预设脑电波模板的对比相似度,确定所述对比相似度大于预设阈值;或
确定所述第一脑电信号与所述预设脑电波模板的指定部分完全匹配。
9.根据权利要求7或8所述的装置,其特征在于,所述装置还包括脑电波模板生成单元,具体用于:
采集多个脑电波信号样本,将所述脑电波信号样本按照情绪进行分类;
对所述按照情绪进行分类的脑电波信号样本进行训练,获得各类情绪对应的脑电波模板。
10.一种计算机可读存储介质,其特征在于,所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,所述计算机程序使得计算机执行如权利要求1-5所描述的部分或全部步骤。
CN201810623195.3A 2018-06-15 2018-06-15 脑电波模板获取方法及相关产品 Pending CN109124624A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810623195.3A CN109124624A (zh) 2018-06-15 2018-06-15 脑电波模板获取方法及相关产品

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810623195.3A CN109124624A (zh) 2018-06-15 2018-06-15 脑电波模板获取方法及相关产品

Publications (1)

Publication Number Publication Date
CN109124624A true CN109124624A (zh) 2019-01-04

Family

ID=64802038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810623195.3A Pending CN109124624A (zh) 2018-06-15 2018-06-15 脑电波模板获取方法及相关产品

Country Status (1)

Country Link
CN (1) CN109124624A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109820522A (zh) * 2019-01-22 2019-05-31 苏州乐轩科技有限公司 情绪侦测装置、系统及其方法
CN110742559A (zh) * 2019-10-24 2020-02-04 佛山市云米电器科技有限公司 一种基于脑电波检测的扫地机器人控制方法及系统
TWI691306B (zh) * 2019-01-22 2020-04-21 瑞軒科技股份有限公司 情緒偵測裝置、系統及其方法
CN111046854A (zh) * 2020-01-10 2020-04-21 北京服装学院 一种脑电波外部识别方法、装置及系统
CN111743538A (zh) * 2020-07-06 2020-10-09 江苏集萃脑机融合智能技术研究所有限公司 脑机接口报警方法及系统
WO2021143215A1 (zh) * 2020-01-15 2021-07-22 深圳邦健生物医疗设备股份有限公司 心电图模板匹配方法、装置、计算机设备及存储介质
CN113238655A (zh) * 2021-05-19 2021-08-10 河北酷点科技有限公司 一种基于电波神经驱动的调查和数据真实性核对的方法
CN113505632A (zh) * 2021-05-12 2021-10-15 杭州回车电子科技有限公司 模型训练方法、装置、电子装置和存储介质
CN113869084A (zh) * 2020-06-30 2021-12-31 北京清华长庚医院 脑电信号处理方法、脑机接口设备及存储介质

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109820522A (zh) * 2019-01-22 2019-05-31 苏州乐轩科技有限公司 情绪侦测装置、系统及其方法
TWI691306B (zh) * 2019-01-22 2020-04-21 瑞軒科技股份有限公司 情緒偵測裝置、系統及其方法
US11723567B2 (en) 2019-01-22 2023-08-15 Amtran Technology Co., Ltd. Device, system and method for emotion detection
CN110742559A (zh) * 2019-10-24 2020-02-04 佛山市云米电器科技有限公司 一种基于脑电波检测的扫地机器人控制方法及系统
CN111046854A (zh) * 2020-01-10 2020-04-21 北京服装学院 一种脑电波外部识别方法、装置及系统
CN111046854B (zh) * 2020-01-10 2024-01-26 北京服装学院 一种脑电波外部识别方法、装置及系统
WO2021143215A1 (zh) * 2020-01-15 2021-07-22 深圳邦健生物医疗设备股份有限公司 心电图模板匹配方法、装置、计算机设备及存储介质
CN113869084A (zh) * 2020-06-30 2021-12-31 北京清华长庚医院 脑电信号处理方法、脑机接口设备及存储介质
CN113869084B (zh) * 2020-06-30 2022-09-16 北京清华长庚医院 脑电信号处理方法、脑机接口设备及存储介质
CN111743538A (zh) * 2020-07-06 2020-10-09 江苏集萃脑机融合智能技术研究所有限公司 脑机接口报警方法及系统
CN113505632A (zh) * 2021-05-12 2021-10-15 杭州回车电子科技有限公司 模型训练方法、装置、电子装置和存储介质
CN113238655A (zh) * 2021-05-19 2021-08-10 河北酷点科技有限公司 一种基于电波神经驱动的调查和数据真实性核对的方法

Similar Documents

Publication Publication Date Title
CN109124624A (zh) 脑电波模板获取方法及相关产品
Zou et al. Automatic identification of artifact-related independent components for artifact removal in EEG recordings
Blanco et al. Unsupervised classification of high-frequency oscillations in human neocortical epilepsy and control patients
Tong et al. Quantitative EEG analysis methods and clinical applications
Colomer Granero et al. A comparison of physiological signal analysis techniques and classifiers for automatic emotional evaluation of audiovisual contents
Yang et al. Subject-specific channel selection using time information for motor imagery brain–computer interfaces
Pathoumvanh et al. Robustness study of ECG biometric identification in heart rate variability conditions
CN105212949A (zh) 一种使用皮肤电信号进行文化体验情感识别的方法
Monsy et al. EEG‐based biometric identification using frequency‐weighted power feature
Pinto et al. Explaining ECG biometrics: Is it all in the QRS?
Wu et al. Emotion recognition based on physiological signals
Andrade et al. Generative topographic mapping applied to clustering and visualization of motor unit action potentials
Wang et al. EEG-based emotion identification using 1-D deep residual shrinkage network with microstate features
Bo et al. Music-evoked emotion classification using EEG correlation-based information
Teixeira et al. A new approach to emotion assessment based on biometric data
Gourévitch et al. A new and fast characterization of multiple encoding properties of auditory neurons
Reaj et al. Emotion recognition using EEG-based brain computer interface
Bhuvaneswari et al. Classification of electromyography signal using wavelet decomposition method
Ortega‐Rodríguez et al. Brainprint based on functional connectivity and asymmetry indices of brain regions: A case study of biometric person identification with non‐expensive electroencephalogram headsets
Rykunov et al. Methods for magnetic encephalography data analysis in MathBrain cloud service
Hasan et al. Emotion prediction through EEG recordings using computational intelligence
Carreiras et al. Morphological ecg analysis for attention detection
Kim et al. Towards user-independent classification of multimodal emotional signals
Merino Monge et al. A preliminary study about the music influence on EEG and ECG signals
Yun et al. A Study on Training Data Selection Method for EEG Emotion Analysis Using Artificial Neural Network

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20190104

WD01 Invention patent application deemed withdrawn after publication