CN110038295A - 一种信息处理方法、装置及计算机存储介质 - Google Patents
一种信息处理方法、装置及计算机存储介质 Download PDFInfo
- Publication number
- CN110038295A CN110038295A CN201810037125.XA CN201810037125A CN110038295A CN 110038295 A CN110038295 A CN 110038295A CN 201810037125 A CN201810037125 A CN 201810037125A CN 110038295 A CN110038295 A CN 110038295A
- Authority
- CN
- China
- Prior art keywords
- signal
- control instruction
- eeg signals
- characteristic parameter
- obtains
- 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
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 16
- 238000003860 storage Methods 0.000 title claims abstract description 12
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000004069 differentiation Effects 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 26
- 238000001228 spectrum Methods 0.000 claims abstract description 24
- 230000003993 interaction Effects 0.000 claims abstract description 19
- 238000000605 extraction Methods 0.000 claims abstract description 17
- 230000001960 triggered effect Effects 0.000 claims abstract description 8
- 230000009467 reduction Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 15
- 230000000694 effects Effects 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000005540 biological transmission Effects 0.000 claims description 8
- 230000033764 rhythmic process Effects 0.000 claims description 8
- 238000011946 reduction process Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000003340 mental effect Effects 0.000 description 23
- 230000033001 locomotion Effects 0.000 description 10
- 210000004556 brain Anatomy 0.000 description 9
- 239000000284 extract Substances 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/20—Input arrangements for video game devices
- A63F13/21—Input arrangements for video game devices characterised by their sensors, purposes or types
- A63F13/212—Input arrangements for video game devices characterised by their sensors, purposes or types using sensors worn by the player, e.g. for measuring heart beat or leg activity
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/40—Processing input control signals of video game devices, e.g. signals generated by the player or derived from the environment
- A63F13/42—Processing input control signals of video game devices, e.g. signals generated by the player or derived from the environment by mapping the input signals into game commands, e.g. mapping the displacement of a stylus on a touch screen to the steering angle of a virtual vehicle
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/10—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by input arrangements for converting player-generated signals into game device control signals
- A63F2300/1012—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by input arrangements for converting player-generated signals into game device control signals involving biosensors worn by the player, e.g. for measuring heart beat, limb activity
Abstract
本发明公开了一种信息处理方法、装置及计算机存储介质，其中，所述方法包括：采集通过人体不同部位触发的至少三通道的第一信号；对所述第一信号进行预处理，得到第二信号；对所述第二信号通过自回归(AR)模型进行功率谱(PSD)估计，以进行特征提取，得到特征参数；对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。
Description
技术领域
本发明涉及处理技术，尤其涉及一种信息处理方法、装置及计算机存储介质。
背景技术
在一游戏的应用场景中，可以通过脑机接口技术来实现对游戏的控制处理。然而，现有的脑机接口技术中没有考虑到人机交互的需求，比如，仅仅是对用于游戏操控的外设如鼠标光标进行信息处理，以达到控制的目的，而现今的游戏应用场景，大量需要用到人机交互和人工智能(AI)，现有的脑机接口技术已经满足不了现今的需求。
发明内容
有鉴于此，本发明实施例希望提供一种信息处理方法、装置及计算机存储介质，至少解决了现有技术存在的问题。
本发明实施例的技术方案是这样实现的：
本发明实施例的一种信息处理方法，所述方法包括：
采集通过人体不同部位触发的至少三通道的第一信号；
对所述第一信号进行预处理，得到第二信号；
对所述第二信号通过自回归(AR，AutoRegressive)模型进行功率谱(PSD)估计，以进行特征提取，得到特征参数；
对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。
上述方案中，对所述第一信号进行预处理，得到第二信号，包括：
解析出所述第一信号为脑电信号时，将所述脑电信号进行去平均和小波包降噪的预处理操作。
上述方案中，将所述脑电信号进行去平均和小波包降噪的预处理操作，包括：
通过所述去平均来消除不同电极点平均电位强度不同对特征判断造成的影响值；
采用所述小波包降噪来进行6阶降噪处理，得到高信噪比的脑电信号，将所述高信噪比的脑电信号确定为所述第二信号。
上述方案中，对所述第二信号通过AR模型进行PSD估计，以进行特征提取，得到特征参数，包括：
对所述第二信号通过10阶参数的自回归AR模型进行功率谱PSD估计，提取μ节律与β节律的中部对应频带的谱值，将所述谱值作为所述特征参数。
上述方案中，对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令，包括：
将所述特征参数采用训练好的支持向量机模型进行分类判别，得到所述判别结果；
将所述判别结果转换为字符形式的通信命令，根据所述字符形式的通信命令得到所述控制指令。
上述方案中，所述方法还包括：根据判别结果得到用于人机交互的控制指令后，通过传输控制协议(TCP，Transmission Control Protocol)或网际协议(IP，InternetProtocol)的协议模式将所述控制指令发送给应用平台。
上述方案中，所述控制指令用于预测用户的三类运动想象思维活动，并对应至少三通道的信号采集；
根据所述控制指令得到用于所述应用平台的控制参数；
进入所述应用平台的界面，当选择脑电信号控制模式时，采用指定时间窗进行信号的间隔采集；
其中，所述指定时间窗包括：1秒。
本发明实施例的一种信息处理装置，所述装置包括：
第一采集单元，用于采集通过人体不同部位触发的至少三通道的第一信号；
预处理单元，用于对所述第一信号进行预处理，得到第二信号；
提取单元，用于对所述第二信号通过AR模型进行PSD估计，以进行特征提取，得到特征参数；
分类判别单元，用于对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。
上述方案中，所述预处理单元，进一步用于：
解析出所述第一信号为脑电信号时，将所述脑电信号进行去平均和小波包降噪的预处理操作。
上述方案中，所述预处理单元，进一步用于：
通过所述去平均来消除不同电极点平均电位强度不同对特征判断造成的影响值；
采用所述小波包降噪来进行6阶降噪处理，得到高信噪比的脑电信号，将所述高信噪比的脑电信号确定为所述第二信号。
上述方案中，所述提取单元，进一步用于：
对所述第二信号通过10阶参数的自回归AR模型进行功率谱PSD估计，提取μ节律与β节律的中部对应频带的谱值，将所述谱值作为所述特征参数。
上述方案中，所述分类判别单元，进一步用于：
将所述特征参数采用训练好的支持向量机模型进行分类判别，得到所述判别结果；
将所述判别结果转换为字符形式的通信命令，根据所述字符形式的通信命令得到所述控制指令。
上述方案中，所述装置还包括：发送单元，用于：
根据判别结果得到用于人机交互的控制指令后，通过TCP或IP的协议模式将所述控制指令发送给应用平台。
上述方案中，所述控制指令用于预测用户的三类运动想象思维活动，并对应至少三通道的信号采集；
获取单元，用于根据所述控制指令得到用于所述应用平台的控制参数；
第二采集单元，用于进入所述应用平台的界面，当选择脑电信号控制模式时，采用指定时间窗进行信号的间隔采集；
其中，所述指定时间窗包括：1秒。
本发明实施例的一种信息处理装置，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；
其中，所述处理器用于运行所述计算机程序时，执行上述方案任一项所述方法的步骤。
本发明实施例的一种计算机存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现上述方案任一项所述方法的步骤。
本发明实施例是通过多通道的数据采集，可以采集到通过人体不同部位触发的至少三通道的第一信号；对所述第一信号进行预处理，得到第二信号；对所述第二信号通过AR模型进行PSD估计，以进行特征提取，得到特征参数；对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。采用本发明实施例，能达到大量用到的人机交互和AI场景中(如游戏场景)的控制处理，满足了现今的需求。
附图说明
图1为本发明实施例一方法的实现流程图；
图2为应用本发明实施例一利用运动想象脑电信号处理平台的处理流程图；
图3-5为应用本发明实施例的运动想象AR模型功率谱图；
图6为应用本发明实施例一虚拟游戏场景设计图；
图7为应用本发明实施例一构建的虚拟游戏场景图；
图8为应用本发明实施例一虚拟游戏场景设计的控制流程图。
具体实施方式
下面结合附图对技术方案的实施作进一步的详细描述。
本发明实施例的一种信息处理方法，如图1所示，所述方法包括：
步骤101、采集通过人体不同部位触发的至少三通道的第一信号；
步骤102、对所述第一信号进行预处理，得到第二信号；
步骤103、对所述第二信号通过AR模型进行PSD估计，以进行特征提取，得到特征参数；
步骤104、对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。
采用本发明实施例，通过多通道的数据采集，可以采集到通过人体不同部位触发的至少三通道的第一信号；对所述第一信号进行预处理，得到第二信号；对所述第二信号进行特征提取，得到特征参数；对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。采用本发明实施例，能达到大量用到的人机交互和AI场景中(如游戏场景)的控制处理，满足了现今的需求。以应用于基于运动想象-脑机接口的游戏控制系统而言，可以通过对3通道(C3，C4，Cz)脑电信号的采集，以便后续对该脑电信号进行预处理、特征提取和分类判别处理，从而预测用户的三类(左手、右手和脚部)运动想象思维活动，并根据预测结果实现对游戏系统的控制。
本发明实施例一实施方式中，对所述第一信号进行预处理，得到第二信号，包括：解析出所述第一信号为脑电信号时，将所述脑电信号进行去平均和小波包降噪的预处理操作。
本发明实施例一实施方式中，将所述脑电信号进行去平均和小波包降噪的预处理操作，包括：通过所述去平均来消除不同电极点平均电位强度不同对特征判断造成的影响值；采用所述小波包降噪来进行6阶降噪处理，得到高信噪比的脑电信号，将所述高信噪比的脑电信号确定为所述第二信号。
本发明实施例一实施方式中，对第二信号通过AR模型进行PSD估计，以得到特征参数，包括：对所述第二信号通过10阶参数的AR模型进行PSD估计，提取μ节律与β节律的中部对应频带的谱值，将所述谱值作为所述特征参数。
所述AR模型又称为时间序列模型，AR模型是一种线性预测，即已知N个数据，可由模型推出第N点前面或后面的数据(设推出P点)，所以其本质类似于插值，其目的都是为了增加有效数据，只是AR模型是由N点递推，而插值是由两点(或少数几点)去推导多点，所以AR模型要比插值方法效果更好。PSD估计应用于MATLAB仿真中，在信号处理领域，在实际应用中往往不能获得具体信号的表达式，需要根据有限的数据样本来获得较好的谱估计效果。AR模型法通过应用随机过程可用一白噪声通过一物理网络表示的理论，避免了经典法中除了观测数据之外的数据都为零的假设，因此，其PSD估计能得到较好的谱估计效果。
本发明实施例一实施方式中，对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令，包括：将所述特征参数采用训练好的支持向量机模型进行分类判别，得到所述判别结果；将所述判别结果转换为字符形式的通信命令，根据所述字符形式的通信命令得到所述控制指令。
本发明实施例一实施方式中，所述方法还包括：根据判别结果得到用于人机交互的控制指令后，通过TCP或IP的协议模式将所述控制指令发送给应用平台(如Untiy3D平台)。其中，TCP是一种面向连接的、可靠的、基于字节流的传输层通信协议。IP是为计算机网络相互连接进行通信而设计的协议。
本发明实施例一实施方式中，所述控制指令用于预测用户的三类运动想象思维活动(如左手、右手和脚部)，可以根据预测结果(如进行分类判别处理得到的判别结果)实现对游戏系统的控制。三类运动想象思维活动，分别对应至少三通道的信号采集；根据所述控制指令得到用于所述应用平台的控制参数(如应用为游戏系统的场景时，该控制参数可以为控制游戏系统的参数)，通过控制游戏系统参数，使得在通过脑电信号控制游戏具备较高的流畅程度。在进入所述应用平台的界面，当选择脑电信号控制模式时，采用指定时间窗进行信号的间隔采集；其中，所述指定时间窗包括：1秒。或称为采样周期为1秒。
通过窗口提取可以确保游戏执行的连续性，避免信号误采集导致游戏不够流畅、中断或屏幕闪断等。一个例子中，若选择脑信号控制，则根据信号处理后的输出结果，想象脚部、左手和右手运动分别对应游戏主角的前进，左转和右转。在脑信号控制模式，由于采用1s时间窗提取脑信号，为保证游戏的流畅性，每个动作(前进，左转和右转)将持续1s，使得游戏可以流畅运行。
本发明实施例的一种信息处理装置，所述装置包括：
第一采集单元，用于采集通过人体不同部位触发的至少三通道的第一信号；
预处理单元，用于对所述第一信号进行预处理，得到第二信号；
提取单元，用于对所述第二信号通过AR模型进行PSD估计，以进行特征提取，得到特征参数；
分类判别单元，用于对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。
本发明实施例一实施方式中，所述预处理单元，进一步用于：解析出所述第一信号为脑电信号时，将所述脑电信号进行去平均和小波包降噪的预处理操作。
本发明实施例一实施方式中，所述预处理单元，进一步用于：通过所述去平均来消除不同电极点平均电位强度不同对特征判断造成的影响值；采用所述小波包降噪来进行6阶降噪处理，得到高信噪比的脑电信号，将所述高信噪比的脑电信号确定为所述第二信号。
本发明实施例一实施方式中，所述提取单元，进一步用于：对所述第二信号通过10阶参数的自回归AR模型进行功率谱PSD估计，提取μ节律与β节律的中部对应频带的谱值，将所述谱值作为所述特征参数。
本发明实施例一实施方式中，所述分类判别单元，进一步用于：将所述特征参数采用训练好的支持向量机模型进行分类判别，得到所述判别结果；将所述判别结果转换为字符形式的通信命令，根据所述字符形式的通信命令得到所述控制指令。
本发明实施例一实施方式中，所述装置还包括：发送单元，用于：根据判别结果得到用于人机交互的控制指令后，通过传输控制协议TCP或网际协议IP的协议模式将所述控制指令发送给应用平台。
本发明实施例一实施方式中，所述控制指令用于预测用户的三类运动想象思维活动，并对应至少三通道的信号采集；获取单元，用于根据所述控制指令得到用于所述应用平台的控制参数；第二采集单元，用于进入所述应用平台的界面，当选择脑电信号控制模式时，采用指定时间窗进行信号的间隔采集；其中，所述指定时间窗包括：1秒。
本发明实施例的一种信息处理装置，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；其中，所述处理器用于运行所述计算机程序时，执行上述实施例任一项所述方法的步骤。
本发明实施例的一种计算机存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现上述实施例任一项所述方法的步骤。
以一个现实应用场景为例对本发明实施例阐述如下：
本发明实施例应用于游戏场景的控制中，是基于运动想象脑机接口的游戏控制方案，除了解决了人机交互的指令控制，还能解决如何保持游戏流畅性的问题。对于运动想象脑机接口的实现方案，本发明实施例设计了针对C3、C4和Cz三通道的三类(左手、右手和脚部)运动想象脑机接口游戏控制软件平台，便于调试，成本低廉，反馈特征明显，可应用于运动想象脑机接口的相关测试与实验开发。构建了基于运动想象-脑机接口的游戏控制系统。通过对3通道(C3，C4，Cz)采集的脑电信号进行预处理、特征提取和分类判别处理，预测用户的三类(左手、右手和脚部)运动想象思维活动，并根据预测结果实现对游戏系统的控制。具体的，本发明基于运动想象脑机接口的游戏控制方案包括：对于三类运动想象脑电信号的降噪和去平均预处理、信号特征提取和分类判别方法，以及游戏系统命令控制，所涉及的信号采集通道较少，配合简易脑电信号采集设备即可实现。且信号处理速度快，基本可以实现实时控制。本发明基于运动想象脑机接口的游戏控制方案还通过控制游戏系统参数，使得在通过脑电信号控制游戏具备较高的流畅程度。
为实现上述目标，本发明的技术方案如下：
如图2所示为利用运动想象脑电信号处理平台(如脑电信号处理软件平台)的处理流程图，脑电信号的输入与处理包括：
步骤201、信号输入；
步骤202、小波包降噪、去平均预处理；
步骤203、AR模型功率谱估计，提取特征参数；
步骤204、SVM分类判断；
步骤205、分类结果转换为控制命令；
步骤206、通过TCP/IP协议传输，并输出控制命令。
具体的，可以通过脑电信号处理软件平台采用MATLAB进行仿真，包括信号的输入，小波包降噪和去平均预处理，根据AR模型功率谱估计提取特征参数，基于支持向量机(SVM)的分类判别，分类结果转换和控制命令的输出几个部分。信号的输入部分直接读取数据集(Dataset IIIa)作为测试数据，读取C3，C4，Cz三个通道的脑电信号数据。预处理过程首先进行去平均操作，消除由于不同电极点平均电位强度不同对特征判断造成的影响，之后采用阈值算法，以db4小波函数进行6阶小波包降噪处理，从而获取高信噪比的脑电信号。对预处理后的EEG信号应用10阶参数的AR模型PSD估计，提取μ节律与β节律的中部对应频带的谱值作为特征参数。然后将该参数用训练好的支持向量机模型进行分类判别，将判别结果转换为通信命令字符，通过TCP/IP协议模式发送给Untiy3D平台。其中，EEG信号是研究脑活动的一种重要的信息来源，基于EEG信号的人与计算机的通信成为一种新的人机接口方式。
如图3-5为运动想象AR模型功率谱图，是测试者在进行左手、右手和脚部运动想象任务时C3、C4和Cz通道的典型10阶参数的AR模型功率谱估计图。其中，图3用于描述左手的活动；图4为描述右手的活动；图5为描述脚部的活动。左手、右手和脚部运动想象是EEG信号会分别在C4、C3和Cz处产生事件相关去同步现象(ERD)，从而影响EEG信号的能量。如进行左手运动想象任务时，C4通道检测到的EEG信号幅度会明显下降，对应能量降低。相关特征频带为μ节律与部分β节律。提取运动想象脑电信号的特征频带的10阶参数的AR模型功率谱估计值作为特征参数。分类判别采用SVM作为分类判别工具，采取三层分类判别的方法，第一层为空闲和运动想象分类；第二层为手部运动想象和脚部运动想象分类；第三层为左手运动想象和右手运动想象分类。采用数据集数据训练三层的分类模型，测试结果如下表1所示，表1为SVM运动想象脑电信号分类表。
表1
在如图6所示的一个虚拟游戏场景设计中，在虚拟游戏场景构建平台为Unity3D。游戏主题为密室逃脱，为便于调试与体验，设计键盘控制与脑信号控制两种模式。密室中设有3处线索，发现并破解这三个线索可以获取到3位数字的密码。密室的出口处有一个3位密码锁，正确输入该密码(键盘控制或脑信号控制)可以打开密室出口，完成游戏。构建的虚拟游戏场景如图7所示，虚拟游戏场景设计控制框图如图8所示。开始游戏后，首先进入开始界面，该界面包括游戏说明和游戏类型选择。若选择键盘控制，则分别通过'W'，'A'，'D'键控制游戏主角(Player)的前进，左转和右转。若选择脑信号控制，则根据信号处理后的输出结果，想象脚部、左手和右手运动分别对应游戏主角的前进，左转和右转。在脑信号控制模式，由于采用1s时间窗提取脑信号，为保证游戏的流畅性，每个动作(前进，左转和右转)将持续1s，使得游戏可以流畅运行。场景中含有3个线索，在靠近线索后按'F'键即可观察线索物体。每个线索物体都对应两个数字信息，即一位密码以及密码对应的序列号。解析3个线索即可操作密码锁。在键盘模式下，'W'键控制所选密码数字增加，'A'，'D'键分别控制左移和右移所选密码。同样在脑信号控制模式下，脚部运动想象控制密码数字增加，左、右手运动想象分别控制左移和右移所选密码。正确输入3位密码，密室大门会自动打开，游戏完成。
本发明实施例所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的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介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。
相应的，本发明实施例还提供一种计算机存储介质，其中存储有计算机程序，该计算机程序用于执行本发明实施例的信息处理方法。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。
Claims (16)
1.一种信息处理方法，其特征在于，所述方法包括：
采集通过人体不同部位触发的至少三通道的第一信号；
对所述第一信号进行预处理，得到第二信号；
对所述第二信号通过自回归AR模型进行功率谱PSD估计，以进行特征提取，得到特征参数；
对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。
2.根据权利要求1所述的方法，其特征在于，对所述第一信号进行预处理，得到第二信号，包括：
解析出所述第一信号为脑电信号时，将所述脑电信号进行去平均和小波包降噪的预处理操作。
3.根据权利要求2所述的方法，其特征在于，将所述脑电信号进行去平均和小波包降噪的预处理操作，包括：
通过所述去平均来消除不同电极点平均电位强度不同对特征判断造成的影响值；
采用所述小波包降噪来进行6阶降噪处理，得到高信噪比的脑电信号，将所述高信噪比的脑电信号确定为所述第二信号。
4.根据权利要求1或3所述的方法，其特征在于，对所述第二信号通过自回归AR模型进行功率谱PSD估计，以进行特征提取，得到特征参数，包括：
对所述第二信号通过10阶参数的自回归AR模型进行功率谱PSD估计，提取μ节律与β节律的中部对应频带的谱值，将所述谱值作为所述特征参数。
5.根据权利要求1所述的方法，其特征在于，对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令，包括：
将所述特征参数采用训练好的支持向量机模型进行分类判别，得到所述判别结果；
将所述判别结果转换为字符形式的通信命令，根据所述字符形式的通信命令得到所述控制指令。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：根据判别结果得到用于人机交互的控制指令后，通过传输控制协议TCP或网际协议IP的协议模式将所述控制指令发送给应用平台。
7.根据权利要求6所述的方法，其特征在于，所述控制指令用于预测用户的三类运动想象思维活动，并对应至少三通道的信号采集；
根据所述控制指令得到用于所述应用平台的控制参数；
进入所述应用平台的界面，当选择脑电信号控制模式时，采用指定时间窗进行信号的间隔采集；
其中，所述指定时间窗包括：1秒。
8.一种信息处理装置，其特征在于，所述装置包括：
第一采集单元，用于采集通过人体不同部位触发的至少三通道的第一信号；
预处理单元，用于对所述第一信号进行预处理，得到第二信号；
提取单元，用于对所述第二信号通过自回归AR模型进行功率谱PSD估计，以进行特征提取，得到特征参数；
分类判别单元，用于对所述特征参数进行分类判别处理，根据判别结果得到用于人机交互的控制指令。
9.根据权利要求8所述的装置，其特征在于，所述预处理单元，进一步用于：
解析出所述第一信号为脑电信号时，将所述脑电信号进行去平均和小波包降噪的预处理操作。
10.根据权利要求9所述的装置，其特征在于，所述预处理单元，进一步用于：
通过所述去平均来消除不同电极点平均电位强度不同对特征判断造成的影响值；
采用所述小波包降噪来进行6阶降噪处理，得到高信噪比的脑电信号，将所述高信噪比的脑电信号确定为所述第二信号。
11.根据权利要求8或10所述的装置，其特征在于，所述提取单元，进一步用于：
对所述第二信号通过10阶参数的自回归AR模型进行功率谱PSD估计，提取μ节律与β节律的中部对应频带的谱值，将所述谱值作为所述特征参数。
12.根据权利要求8所述的装置，其特征在于，所述分类判别单元，进一步用于：
将所述特征参数采用训练好的支持向量机模型进行分类判别，得到所述判别结果；
将所述判别结果转换为字符形式的通信命令，根据所述字符形式的通信命令得到所述控制指令。
13.根据权利要求8所述的装置，其特征在于，所述装置还包括：发送单元，用于：
根据判别结果得到用于人机交互的控制指令后，通过传输控制协议TCP或网际协议IP的协议模式将所述控制指令发送给应用平台。
14.根据权利要求13所述的装置，其特征在于，所述控制指令用于预测用户的三类运动想象思维活动，并对应至少三通道的信号采集；
获取单元，用于根据所述控制指令得到用于所述应用平台的控制参数；
第二采集单元，用于进入所述应用平台的界面，当选择脑电信号控制模式时，采用指定时间窗进行信号的间隔采集；
其中，所述指定时间窗包括：1秒。
15.一种信息处理装置，包括：处理器和用于存储能够在处理器上运行的计算机程序的存储器；
其中，所述处理器用于运行所述计算机程序时，执行上述权利要求1-7任一项所述方法的步骤。
16.一种计算机存储介质，其上存储有计算机程序，其中，该计算机程序被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810037125.XA CN110038295A (zh) | 2018-01-15 | 2018-01-15 | 一种信息处理方法、装置及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810037125.XA CN110038295A (zh) | 2018-01-15 | 2018-01-15 | 一种信息处理方法、装置及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110038295A true CN110038295A (zh) | 2019-07-23 |
Family
ID=67272832
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810037125.XA Pending CN110038295A (zh) | 2018-01-15 | 2018-01-15 | 一种信息处理方法、装置及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110038295A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090221928A1 (en) * | 2004-08-25 | 2009-09-03 | Motorika Limited | Motor training with brain plasticity |
| CN102629156A (zh) * | 2012-03-06 | 2012-08-08 | 上海大学 | 一种基于Matlab和DSP的运动想象脑机接口实现方法 |
| CN106371590A (zh) * | 2016-08-29 | 2017-02-01 | 华南理工大学 | 基于OpenVIBE的高性能运动想象在线脑机接口系统 |
-
2018
- 2018-01-15 CN CN201810037125.XA patent/CN110038295A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090221928A1 (en) * | 2004-08-25 | 2009-09-03 | Motorika Limited | Motor training with brain plasticity |
| CN102629156A (zh) * | 2012-03-06 | 2012-08-08 | 上海大学 | 一种基于Matlab和DSP的运动想象脑机接口实现方法 |
| CN106371590A (zh) * | 2016-08-29 | 2017-02-01 | 华南理工大学 | 基于OpenVIBE的高性能运动想象在线脑机接口系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110070852B (zh) | 合成中文语音的方法、装置、设备及存储介质 | |
| Chen et al. | Multi-modal dimensional emotion recognition using recurrent neural networks | |
| Ebrahimi et al. | Brain-computer interface in multimedia communication | |
| Baali et al. | A transform-based feature extraction approach for motor imagery tasks classification | |
| Zhao et al. | Deep CNN model based on serial-parallel structure optimization for four-class motor imagery EEG classification | |
| Lee et al. | EEG-transformer: Self-attention from transformer architecture for decoding EEG of imagined speech | |
| CN113598774A (zh) | 基于多通道脑电数据的积极情绪多标签分类方法及装置 | |
| CN109800720A (zh) | 情绪识别模型训练方法、情绪识别方法、装置、设备及存储介质 | |
| CN105212949A (zh) | 一种使用皮肤电信号进行文化体验情感识别的方法 | |
| CN108052250A (zh) | 基于多模态交互的虚拟偶像演绎数据处理方法及系统 | |
| CN110443113A (zh) | 一种虚拟现实书写方法、系统和存储介质 | |
| CN109657560A (zh) | 机械手臂控制在线脑-机接口系统及实现方法 | |
| CN108523883A (zh) | 一种基于实际动作建模的左右食指连续运动想象识别系统 | |
| Malete et al. | Eeg-based control of a 3d game using 14-channel emotiv epoc+ | |
| Fatima et al. | Gender recognition using EEG during mobile game play | |
| Ulaş et al. | Incorporation of a language model into a brain computer interface based speller through HMMs | |
| CN110038295A (zh) | 一种信息处理方法、装置及计算机存储介质 | |
| Derr et al. | Signer-independent classification of American sign language word signs using surface EMG | |
| CN106484112A (zh) | 基于运动想象脑‑机接口的字符拼写器及测试方法 | |
| Zeng et al. | An Attention Based Chinese Sign Language Recognition Method Using sEMG Signal | |
| CN114768246A (zh) | 一种游戏人机互动方法及其系统 | |
| Zhang | Attention guided imitation learning and reinforcement learning | |
| CN115206489A (zh) | 一种基于神经反馈系统的冥想训练方法、装置及电子设备 | |
| Riascos et al. | Towards moving virtual arms using brain-computer interface | |
| Limbaga et al. | Development of an EEG-based Brain-Controlled System for a Virtual Prosthetic Hand |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190723 |
|
| RJ01 | Rejection of invention patent application after publication |