CN110051351B - 咬牙信号获取方法以及电子设备的控制方法及装置 - Google Patents

Abstract

本发明提供一种咬牙信号获取方法及装置以及电子设备的控制方法及装置，该装置便于携带和佩戴，该方法包括如下步骤:S1、接收来自脑电波采集装置所采集的脑电波信号；S2、对所述脑电波信号进行傅立叶变换，得到脑电波信号的频域信号；S3、在频域信号中，求取特定频率范围内的信号幅度的平均值；该平均值做为咬牙信号值。根据实测效果，此算法能有效且实时检测出咬牙的动作，可以方便有效的控制其他产品的触发，解放双手。融入到电子设备中，能实现更加多元化的功能，也可通过咬牙控制拨打电话，求助、报警等服务，以及控制电源的开启和关闭。

Description

咬牙信号获取方法以及电子设备的控制方法及装置

技术领域

本发明涉及电子及生物电信息提取领域，具体涉及一种咬牙信号获取方法及装置以及电子设备的控制方法及装置。

背景技术

近年来，利用人体生物电对电子设备进行控制技术的发展，为解放人类的双手及电子设备的自动控制提供了更多的可能性。

生物电包括脑电(又称脑电波)、肌电等。传统上，这些信号需要利用庞大的仪器才能取得，因此很难在个人消费电子产品上得到大规模的应用。

专利号为201220129712.X、名称为《头戴式脑电波检测仪》的中国专利及其系列后续改进专利提出了些种便于携带和佩戴的小型化脑电波检测仪。该脑电波检测仪能够准确、实时地检测脑波信号，并对脑波数据进行二次处理，提供二次开发数据接口，可以通过蓝牙通讯技术，将脑波数据传到计算机或者便携式设备如手机或平板电脑，可以对脑波数据进行二次处理，功能强大，提高了用户体验。但这种脑电波检测仪只能提供脑电波信号，包括放松度、专注力及喜好度等，但对于肌电信号的采集还没有提出有效的小型化、便携和便于佩戴的解决方案。

目前现有技术中已尝试使用的肌电信号包括眨眼信号、咀嚼信号、咬牙信号等。其中咬牙信号在某些方面具有一定的优势，比如：咬牙信号是静态信号，测量的结果理论上应比动态信号更加确切，也方便用户掌控。

但现有技术中对咬牙信号的采集方法还不理想。比如，在专利文献CN201110031304中，是采集与处理咬牙动作时头部颞肌位置的肌电信号，采集电极比较复杂而且需要戴头盔或脑电采集帽；在专利文献CN201310070132中，可区分牙齿不同的动作，但其脑电极的安装位置采用国际10-20标准电极系统分布，这样只适用于医院和实验室使用；在专利文献CN201811535827中，则是利用脑电图仪，显然也无法做到便于携带和佩戴。

发明内容

本发明的目的是为了提供一种咬牙信号获取方法及装置以及电子设备的控制方法及装置，便于携带和佩戴。

为解决上述技术问题，本发明提出的咬牙信号获取方法，包括如下步骤:S1、接收来自脑电波采集装置所采集的脑电波信号；S2、对脑电波信号进行处理，得到由咬牙动作所引起的咬牙信号值。

在一些实施例中，还包括如下特征：

步骤S2包括：S21、对所述脑电波信号进行傅立叶变换，得到脑电波信号的频域信号；S22、在频域信号中，求取特定频率范围内的信号幅度的平均值；该平均值做为咬牙信号值。

还包括如下步骤:S3、将该平均值与一特定阈值对比，当该平均值大于所述阈值时，判断为有咬牙动作发生。

所述频率范围为的下限为14-16Hz，上限为28-32Hz。

所述频率范围为15-30Hz，或参照脑电波中β波的频率范围设置。

所述阈值取无咬牙动作时所述特定频率范围内的信号幅度的平均值的10-20倍。

所述阈值取无咬牙动作时所述特定频率范围内的信号幅度的平均值的15倍。

本发明还提出一种咬牙信号获取装置，包括中央处理单元，该中央处理单元中运行有计算机程序，该计算机程序可被执行以实现上述的咬牙信号获取方法。

本发明还提出一种计算机可计介质，其存储有计算机程序，该计算机程序可被执行以实现上述的方法。

本发明还提出一种电子设备的控制方法，采用上述的咬牙信号获取方法来获取咬牙信号，并用咬牙信号来控制电子设备。

本发明还提出一种电子设备的控制装置，包括中央处理单元，该中央处理单元中运行有计算机程序，该计算机程序可被执行以实现上述的咬牙信号获取方法用于获取咬牙信号，并用咬牙信号来控制电子设备。

与现有技术相比，本发明的有益效果有：根据实测效果，此算法能有效且实时检测出咬牙的动作，可以方便有效的控制其他产品的触发，解放双手。融入到电子设备中，能实现更加多元化的功能，也可通过咬牙控制拨打电话，求助、报警等服务，以及控制电源的开启和关闭。

附图说明

图1为本发明实施例脑电波采集装置佩戴示意图。

图2A是没有咬牙动作的情况下脑波信号时域波形示意图。

图2B是没有咬牙动作的情况下脑波信号频域波形示意图。

图3A是咬牙时的脑波信号时域波形示意图。

图3B是咬牙时的脑波信号频域波形示意图。

图4A是本发明一个实施例中一种干扰信号时域波形示意图。

图4B是本发明一个实施例中一种干扰信号频域波形示意图。

图5是本发明一个实施例中咬牙信号获取方法流程示意图。

具体实施方式

本发明下述实施例提供一种利用咬牙动作控制电子设备的方法及相应装置。它是采用诸如专利文献CN201220129712、CN201220238531、CN201380050682、CN201710391040、CN201810128335等中所公开的脑电波采集装置，在不增加硬件的情况下，巧妙地复用脑电波信号并对其进行合适的处理，从中提取到咬牙时所产生的肌电信号，将其用于电子设备的控制。

图1是本实施例中所用的脑电波采集装置在佩戴时的示意图。该脑电波采集装置包含三个采集电极(信号电极、参考电极和接地电极)，采集电极采集到的信号输入到脑电波处理单元采集脑电波信号。

本例中，脑电波处理单元采用脑波芯片TGAT。TGAT是神念公司的一款脑波芯片，该芯片是一个高度集成的单一芯片脑电传感器，可以通过三个参考电极：信号电极EEG、参考电极REF、接地电极SHIELD，采集脑电波信号并进行模数转换，TGAT将脑电波信号的采集、滤波、放大、A/D转换、数据处理及分析等功能完全集成到一块ASIC芯片中，并通过标准接口对外输出Neurosky的eSense参数(包括“专注度”和“放松度”等参数)和原始的脑电波数据。

并可检测接触不良的异常状态并通过信号质量值“signal”或“poor signal”来表示，可过滤掉眼电噪音及50/60hz交流电干扰，获取大脑脑电波信号RAW值(即信号的原始值)数据，以及信号质量signal值。其中signal是一个字节的无符号整型变量，用来描述神念科技NeuroSky的ThinkGear测得的信号质量，它的取值范围为0～200。有外界噪声干扰信号引入的时候，信号值就会大于0，采集设备就会断开。信号值越高，意味着干扰越大，当值为200的时候，表示传感器触点电极完全离开了使用者的皮肤。我们只有在信号值为0的条件下，才会进行采集、处理和运算。

信号质量值(signal)为脑电采集设备与大脑接触稳定性以及触点周围是否存在干扰信号的具体表象。本实施例结合当前信号质量值(signal)以控制RAW值数据的采集，并基于采集到RAW值数据设计此咬牙检测算法。

MCU单元模块接收脑波采集模块通过采集传感器触点电极采集到的脑波信号及信号质量值，当信号质量值为0时，MCU读取传感器的数据，对于采集的数据幅值超过一定范围(本例中是指不在正负500之间)的数据舍弃掉，可能是干扰值，采集到有效的512个原始脑电数据。此处“512个原始脑电数据”是指512个RAW值，1秒内采集512个RAW值(时域)。

然后，在除进行传统的信号处理，取得放松度、专注度甚至喜好度信号值外，还进行如下数据处理，得到咬牙信号：MCU进行傅里叶变换处理，得到频阈值，计算咬牙信号值。

正常脑波的信号图表如图2A、2B所示，其中图2A是时域信号图、2B是频域信号图。频域信号图中，纵轴表示功率量值，横轴表示频率。

本发明人发现并成功提取的咬牙信号就隐藏存在于上述脑波信号中。由于咬牙信号一向被视为是肌电信号，而我们利用脑电波采集设备所采集的信号被现有技术确信为只有脑电信号，因此，现有技术并没有发现上述肌电信号其实就存在于上述脑电信号中。因此，现有技术是把咬牙信号当成了干扰信号来滤除。

在脑电信号中，干扰信号有许多种。比如，眨眼时产生的肌肉电信号就是一种非咬牙的干扰信号，如图4A、4B所示(注：图4A中的-2000～2000与信号绝对值没有直接关系，只是一个相对量)。该信号在时域中看非常明显，但变换到频域后看上去和普通脑电波并无太大差别，只是幅度变大一些而已。

图3A中所示信号在现有技术中也是被当做一种干扰信号来对待的，人们总是将其滤除了事。但本发明人经过长期研究发现，该信号实际上是由于咬牙造成的，并且每次咬牙时该信号总是能确切地出现，变换到频域后，如图3B所示，该信号具有明显的频域特征，其在频率15-30Hz之间具有明显的分量，与普通脑电波和前述非咬牙干扰信号有着明显的分界：普通脑电波信号和非咬牙干扰信号在15-30Hz之间的分量并不明显。

基于此，本实施例采用如下方法来提取咬牙信号，如图5所示：

首先将每秒采集的RAW值进行一次傅里叶变换，然后求得其在15-30Hz范围内的平均值。

算法代码实现：

计算15-30Hz范围内的信号平均值，无动作的时候这512个点在15-30Hz频率范围内的平均值可能幅度值只有100，而咬牙(咬牙会引起部分点的幅度值变大)的时候就到1000以上。

因此，本实施例咬牙算法是以15-30Hz频率范围内信号幅度的平均值来参考计算。

得到这个平均值后，本实施例可以有两处方式对此值进行利用。

其一，将计算得到的平均值做为咬牙信号值，用来控制生活中的电子设备，比如可以控制电子设备动作部件的动作开动和停止，信号值越大，则开动的幅度也越大。

其二，可做一个“有”或“无”咬牙动作的判断。此例中，判断有无的阈值选为1500——当平均值大于1500时，判断为有咬牙动作，反之则判断为无。实际中，此阈值可根据情况选择500-10000之间，更优选地可选1000-2000之间，即选择无咬牙动作时平均值的5-200倍，优选10-20倍。

虽然15-30Hz这个频率范围正好与脑电波中的β波的范围大致重合，但本实施例通过幅度阈值的合理设置，可以非常准确地实现与β波的区分。人在清醒时大部分时间脑波是处于β波状态，但从图2B和图3B的对比明显可以看出，β波在频域中的波幅明显小于咬牙信号，二者可以通过幅度明显区分开而不会导致混淆——β波的信号在相应频率范围内的平均幅值不会达到平时平均值的5倍，因此，我们选择无咬牙动作时平均值的5-200倍来做为是否有咬牙动作的判断阈值就足以把β波区分开。如果倍数选择为10-20倍，则可以更精准地区分。基于此，我们甚至还可以直接把β波的频率范围做为我们取平均值的频率范围。

关于咬牙信号和β波的区分，还可通过时域频域的结合分析来实现。比如可以通过人工智能机器学习，构建一个模式识别器，根据咬牙信号和β波信号在时域和频域上的信号波形的不同，对二者进行识别。即使是在频域上，β波信号和咬牙信号处于同一频段，但二者的波形仍然相差很大，因此，从波形上对二者进行区分是可行的。

本实施例方法的有益效果至少包括：

1.根据实测效果，此算法能有效且实时检测出咬牙的动作，可以方便有效的控制其他产品的触发，解放双手。

2.融入到智能头戴设备中，例如头戴式的VR设备，头戴式脑电设备将算法和其他脑波信息结合，做出更加多元化的产品。将咬牙算法融入到产品中，实现更加多元化的功能，如控制飞行器起飞或者降落的动作，可以不用手去遥控了。

3.融入到残疾人所用的设备中，对于表达不便，或者行动不便的可以借助咬牙算法，完成相关的动作，给了这些残疾人更好的表达方式。同时也可以应用到医疗救助，对于有语言障碍或者行动不便的患者，可通过咬牙控制拨打电话，求助、报警等服务。

4.将咬牙算法结合脑电设备，应用到智能家居，可控制电源的开启和关闭，可以避免声控开关和语音唤醒，因周边噪声干扰带来无效操作控制。

Claims (8)

1.一种咬牙信号获取方法，其特征在于，包括如下步骤:

S1、接收来自便于佩戴的脑电波采集装置所采集的前额处的脑电波信号及信号质量值，结合当前信号质量值以控制脑电波信号原始值数据的采集；

S2、对脑电波信号进行处理，得到由咬牙动作所引起的咬牙信号值；

S3’、将计算得到的咬牙信号值，用来控制电子设备动作部件的动作开动和停止，信号值越大，则开动的幅度也越大；

步骤S2包括：

S21、对所述脑电波信号进行傅立叶变换，得到脑电波信号的频域信号；

S22、在频域信号中，求取频率15-30Hz之间的分量，作为咬牙信号值；

还包括咬牙信号和β波的区分的步骤：通过人工智能机器学习，构建一个模式识别器，根据咬牙信号和β波信号在时域和频域上的信号波形的不同，对二者进行识别。

2.根据权利要求1所述的咬牙信号获取方法，其特征在于，步骤S22中，求出该频率范围内信号幅度的平均值；该平均值作为咬牙信号值，还包括如下步骤:

S3、将该平均值与一特定阈值对比，当该平均值大于所述阈值时，判断为有咬牙动作发生。

3.根据权利要求2所述的咬牙信号获取方法，其特征在于，所述阈值取无咬牙动作时频率15-30Hz之间的信号幅度的平均值的10-20倍。

4.根据权利要求2所述的咬牙信号获取方法，其特征在于，所述阈值取无咬牙动作时频率15-30Hz之间的信号幅度的平均值的15倍。

5.一种咬牙信号获取装置，其特征在于，包括中央处理单元，该中央处理单元中运行有计算机程序，该计算机程序可被执行以实现如权利要求1-4中任一项所述的方法。

6.一种计算机可读介质，其特征在于，存储有计算机程序，该计算机程序可被执行以实现如权利要求1-4中任一项所述的方法。

7.一种电子设备的控制方法，其特征在于，采用如权利要求1-4中任一项所述的方法来获取咬牙信号，并用咬牙信号来控制电子设备。

8.一电子设备的控制装置，其特征在于，包括中央处理单元，该中央处理单元中运行有计算机程序，该计算机程序可被执行以实现如权利要求1-4所述的方法用于获取咬牙信号，并用咬牙信号来控制电子设备。

Images