CN110852307B - 基于脑电信号的脑机接口的检测方法、系统、介质及设备 - Google Patents
基于脑电信号的脑机接口的检测方法、系统、介质及设备 Download PDFInfo
- Publication number
- CN110852307B CN110852307B CN201911174047.9A CN201911174047A CN110852307B CN 110852307 B CN110852307 B CN 110852307B CN 201911174047 A CN201911174047 A CN 201911174047A CN 110852307 B CN110852307 B CN 110852307B
- Authority
- CN
- China
- Prior art keywords
- signal
- brain
- electroencephalogram
- signals
- cyclic shift
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
Abstract
本发明提供一种基于脑电信号的脑机接口的检测方法、系统、介质及设备,所述基于脑电信号的脑机接口的检测方法包括:获取原始脑电信号;所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号;对所述原始脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理,以获取循环移位后的信号;计算不同频率刺激下循环移位后的信号的短时自相关函数;根据短时自相关函数,确定用户正在注视频率对应的倍频。本发明有效利用了SSVEP信号的周期性,利用自相关函数检测SSVEP信号的周期成功实现了对SSVEP信号的盲检测,具有更高的短时识别精度。
Description
技术领域
本发明属于脑-机接口的盲检测计算领域,涉及一种检测方法和系统,特别是涉及一种基于脑电信号的脑机接口的检测方法、系统、介质及设备。
背景技术
脑-机接口技术是一种通过实时翻译头皮上传导出来的脑电信号以此来实现人脑对电脑、手机等电子设备的控制的新型人机交互手段。脑-机接口技术主要可以分为主动式脑-机接口和被动式脑-机接口。主动式脑机接口以运动想象脑-机接口为代表,用户大脑想象自己想要计算机完成的动作,然后计算机分析采集到的相应的脑电信号,然后执行分析的结果。这类脑-机接口目前受限于其较低的信号比,很难实现多个操作,业界研究大多以4个固定的操作为主,而且为了达到可分辨的信噪比需要较长的脑电信号采样时间。被动式脑-机接口以P300和SSVEP信号为代表,与主动式脑-机接口不同,被动式脑-机接口需要在屏幕上呈现一定数量的视觉刺激(不同频率的闪烁,或者是一直变化的图片),每个刺激代表一种电子设备的操作,计算机通过分析采集到的脑电信号与对应的视觉刺激的脑电特征匹配,然后执行相应的操作。其中SSVEP(视觉稳态诱发响应)信号由于其极高的信噪比以及只需要较少的训练被认为是最后可能被广泛应用的脑-机接口范式。SSVEP信号是当用户在注视某个特定频率闪烁时大脑视觉皮层产生的稳定的周期性响应。现在主流的基于SSVEP的脑-机接口将所有的操作映射到多个特定频率闪烁的视觉刺激上,这些视觉刺激的数量不做限制,形状也不做限制。这些视觉刺激会显示在显示器上,用户在使用脑-机接口设备时,只需要注视对应操作的视觉刺激区域,计算机会分析采集到的脑电信号,然后执行脑电信号对应的操作。
基于SSVEP的脑-机接口中的识别算法实际上是一个检测分类问题。算法需要从所有可能的刺激频率中确定一个作为最终的所采集到的SSVEP信号的刺激频率作为检测结果。SSVEP信号的检测算法主要有两个大类,一种是需要训练的检测算法,这类算法需要用户在使用前对所有的目标进行数据的预采集,即注视每个目标一段时间,完成所有目标对应的脑电信号的采集,系统将根据这些预采集到的信号提取每个目标对应的特征,然后在用户使用脑-机接口设备时,实时采集到的脑电信号就会跟这些特征进行比对,最接近的特征就是用户正在注视的目标的特征,最后系统就会执行这个目标所对应的操作。这些需要训练的检测算法具有较高的检测精度,但是缺点也是很明显的:这种算法需要用户在使用前预先采集脑电信号,而且一旦用户的使用环境发生变化则需要重新训练,这样的算法显然会给用户的使用带来不便。另一种具有应用前景的算法是盲检测算法,这种算法不需要用户在使用前预采集脑电信息。
因此,如何提供一种基于脑电信号的脑机接口的检测方法、系统、介质及设备,以解决现有技术中需要假设SSVEP信号是频率为刺激目标的频率或倍频的正弦波或余弦波,但是不同用户的大脑对同一个SSVEP的刺激的响应是有差异的,正弦波的假设并不是放在所有用户身上都成立的问题,实已成为本领域技术人员亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于脑电信号的脑机接口的检测方法、系统、介质及设备,用于解决现有技术中需要假设SSVEP信号是频率为刺激目标的频率或倍频的正弦波或余弦波,但是不同用户的大脑对同一个SSVEP的刺激的响应是有差异的,正弦波的假设并不是放在所有用户身上都成立的问题。
为实现上述目的及其他相关目的,本发明一方面提供一种基于脑电信号的脑机接口的检测算法,包括:获取原始脑电信号;所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号;对所述原始脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理,以获取循环移位后的信号;计算不同频率刺激下循环移位后的信号的短时自相关函数;根据短时自相关函数,确定用户正在注视频率对应的倍频。
于本发明的一实施例中,对所述脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理的步骤包括:对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个半周期的循环移位,获取第一循环移位信号;对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个整周期的循环移位,获取第二循环移位信号。
于本发明的一实施例中,所述循环移位后的信号等于原始脑电信号与所述第一循环移动信号相减再与所述第二循环移位信号相加。
于本发明的一实施例中,对所述脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理的步骤包括:对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个整周期的循环移位,获取第三循环移位信号;对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个半周期的循环移位,获取第四循环移位信号。
于本发明的一实施例中,所述循环移位后的信号等于原始脑电信号与所述第三循环移位信号相加再与所述第四循环移位信号相减。
于本发明的一实施例中,所述根据短时自相关函数,确定用户正在注视频率对应的倍频的步骤包括:将所述短时自相关函数所对应的倍频的多个整周期处峰值相加,得到不同频率刺激下峰值和;选择最大的峰值和对应的频率为用户正在注视频率对应的倍频。
于本发明的一实施例中,所述原始脑电信号为多个并联的电极帽所采集,并经过与所述电极帽连接的脑电放大器进行放大处理后的脑电信号。
本发明另一方面提供一种基于脑电信号的脑机接口的检测系统,包括:信号获取模块,用于获取原始脑电信号;所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号;循环移位处理模块,用于对所述原始脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理,以获取循环移位后的信号;计算模块,用于计算不同频率刺激下循环移位后的信号的短时自相关函数;确定模块,用于根据短时自相关函数,确定用户正在注视频率对应的倍频。
本发明一种介质,其上存储有计算机程序,该程序被处理器执行时实现所述基于脑电信号的脑机接口的检测方法。
本发明最后一方面提供一种设备,包括:处理器及存储器;所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述设备执行所述基于脑电信号的脑机接口的检测方法。
如上所述,本发明所述的基于脑电信号的脑机接口的检测方法、系统、介质及设备,具有以下有益效果:
第一,本发明不需要基于脑电信号的脑机接口的检测方法假设SSVEP信号是正弦波或者是余弦波,只需要假设采集到的脑电信号的SSVEP成分具有周期性。这样便可放宽基于SSVEP的脑-机接口设备的使用要求,即使SSVEP信号并不与正弦波接近的受试者也可以使用脑-机接口设备。而且也可以有效提高当用于实时采样的汉明窗较短时检测精度过低的问题,同时本申请所述检测方法也为业界SSVEP信号的检测提供了一种全新的检测思路,在以后脑-机接口技术全面应用后也能多一个算法的选择。
第二,本发明有效利用了SSVEP信号的周期性,利用自相关函数检测SSVEP信号的周期成功实现了对SSVEP信号的盲检测,具有更高的短时识别精度,当实时采集数据的汉明窗缩短到0.6s时,该所述方法具有较高的识别精度,也就意味着这种盲检测算法具有更高的通信速率。
附图说明
图1显示为本发明的特定刺激范式示意图。
图2显示为本发明的基于脑电信号的脑机接口的检测方法于一实施例中的流程示意图。
图3显示为短时自相关函数的函数图。
图4显示为本发明的基于脑电信号的脑机接口的检测系统于一实施例中的原理结构示意图。
元件标号说明
1 基于脑电信号的脑机接口的检测系统
41 信号获取模块
42 循环移位处理模块
43 计算模块
44 确定模块
S21~S24 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明所述基于脑电信号的脑机接口的检测方法、系统、介质及设备的技术原理如下:
本发明所提出的检测方法与以往的基于CCA的检测算法不同,本发明所述检测方法不需要设置参考信号,当然也就不要假设脑电信号的SSVEP特征与正弦波或者余弦波类似了。本算法只需要假设基于SSVEP的脑电信号在不同频率刺激下有不同的周期就可以了。本发明假设当用户在注视屏幕上的圆形刺激时大脑产生的SSVEP响应的周期为其刺激频率倍频所对应的周期,然后对采集到的SSVEP信号同时做所有刺激目标频率的对应倍频的一个整周期循环移位数次,与原始数据相加,再对采集到的SSVEP信号同时做所有刺激目标对应的倍频的半个周期的循环移位数次,与原始数据相减,经过这个操作,只有当移位的倍频和采集到的信号的倍频相一致的时候,原始信号的周期性才能得到加强,随机噪声才能得到抑制。然后计算每个移位叠加叠减后的信号的短时自相关函数,对比每个信号对应倍频的一个整周期处的短时自相关函数值的大小,这些自相关函数对应倍频的一个整周期处值最大的对应的倍频就是采集到的信号的倍频。
实施例一
本实施例提供一种基于脑电信号的脑机接口的检测方法,包括:
获取原始脑电信号;所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号;
对所述原始脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理,以获取循环移位后的信号;
计算不同频率刺激下循环移位后的信号的短时自相关函数;
根据短时自相关函数,确定用户正在注视频率对应的倍频。
以下将结合图示对本实施例所提供的基于脑电信号的脑机接口的检测方法进行详细描述。在执行本实施例所述基于脑电信号的脑机接口的检测方法之前,需要采集设置在特定刺激范式下的脑电信号。
在本实施例中,所述特定刺激范式如图1所示,即在显示器上呈现4个刺激目标(实际系统中可以呈现其他数目),这四个不同的刺激目标均为大小相等的圆盘,每个圆盘以不同的频率闪烁,这四个圆盘的闪烁频率分别是7Hz,8Hz,9Hz,10Hz。
用户佩戴好脑电信号的采集装置就可以直接使用了,在使用时,用户只需要注视这四个刺激目标中的一个刺激目标一段时间,注视时间可以根据用户的实际需求设置(例如,0.5s~5s)。然后电子设备就会分析用户在这一段注视时间内采集到的脑电信号,最后执行该刺激目标对应的操作。
在本实施例中,脑电信号的采集装置不做具体的限制。于实际应用中,使用Neuroscan SynAmps2 64-256导的脑电放大器,每个电极帽拥有64个通道可以采集头皮表面64个不同位点的脑电信号,最多可以并联4个电极帽。在本实施例中,使用电极帽上的O1,Oz,O2,PO3,PO4,PO5,PO6这七个通道完成脑电信号的采集。在使用时,用户只需要佩戴电极帽,脑电信号经头套采集被输入到脑电放大器做初步处理后导入到一电子设备中进行进一步的检测。
请参阅图2,显示为基于脑电信号的脑机接口的检测方法于一实施例中的流程示意图。如图2所示,所述基于脑电信号的脑机接口的检测方法具体包括以下步骤:
S21,获取原始脑电信号。所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号。在本实施例中,所述原始脑电信号用X表示。所述原始脑电信号为多个并联的电极帽所采集,并经过与所述电极帽连接的脑电放大器进行放大处理后的脑电信号。
具体地,所述原始脑电信号为分别在每个电极帽拥有的64个通道上采集的脑电信号。
S22,对所述原始脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理,以获取循环移位后的信号。
所述S22包括:
对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个半周期的循环移位,获取第一循环移位信号X1;对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个整周期的循环移位,获取第二循环移位信号X2;将原始脑电信号与所述第一循环移动信号相减再与所述第二循环移位信号相加,以获取不同频率的刺激目标做循环移位后的信号Si=X-X1+X2;其中,i=1,2,3,4,用于表示4个刺激目标。在实施例中,N倍频优选方案为2倍频。
或者所述S22包括:
对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个整周期的循环移位,获取第三循环移位信号X3;对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个半周期的循环移位,获取第四循环移位信号X4;将原始脑电信号与所述第三循环移位信号相加再与所述第四循环移位信号相减,以获取循环移位后的信号Si=X+X3-X4。
所述S22的具体示例如下:
接着,对X做所有刺激目标对应的2倍频所对应的1,2,3个整周期移位得到信号X2;
然后,将半周期移位的第一循环移位信号X1与原始脑电信号相减,将整周期移位的第二循环移位信号X2与原始脑电信号X相加得到新的信号Si,i=1,2,3,4。
S23,计算不同频率刺激下循环移位后的信号Si的短时自相关函数Ri。
在本实施例中,四个短时自相关函数Ri的计算公式如下:
其中,n表示信号序列中第n个点,w表示信号序列是有限长,j表示表示与第n个点的距离,sw(n),sw(n-j)表示不同频率刺激下循环移位后的信号。
其中,当i=1时,短时自相关函数Ri的函数图如图3所示,其中,横轴代表时间单位是1/1000s,纵轴代表短时自相关函数。
S24,根据短时自相关函数,确定用户正在注视频率对应的倍频。
具体地,所述S24包括:将所述短时自相关函数Ri所对应的倍频的多个整周期处峰值相加,得到不同频率刺激下峰值和;选择最大的峰值和对应的频率为用户正在注视频率对应的倍频。
于本实施例中,将4个短时自相关函数Ri所对应的倍频的1个周期,2个周期,3个周期处的峰值相加,得到4个峰值和Ai。由于本实施例共选择了7个通道,每个通道有4个Ai,对于同一个i计算所选7个通道的最大值,最终得到4个Ai。选择4个Ai中最大值对应的频率为用户正在注视频率对应的倍频。
本实施例所述基于脑电信号的脑机接口的检测方法具有以下有益效果:
第一,本实施例所述检测方法不需要基于脑电信号的脑机接口的检测方法假设SSVEP信号是正弦波或者是余弦波,只需要假设采集到的脑电信号的SSVEP成分具有周期性。这样便可放宽基于SSVEP的脑-机接口设备的使用要求,即使SSVEP信号并不与正弦波接近的受试者也可以使用脑-机接口设备。而且也可以有效提高当用于实时采样的汉明窗较短时检测精度过低的问题,同时本申请所述检测方法也为业界SSVEP信号的检测提供了一种全新的检测思路,在以后脑-机接口技术全面应用后也能多一个算法的选择。
第二,本实施例所述检测方法有效利用了SSVEP信号的周期性,利用自相关函数检测SSVEP信号的周期成功实现了对SSVEP信号的盲检测,具有更高的短时识别精度,当实时采集数据的汉明窗缩短到0.6s时,该所述方法具有较高的识别精度,也就意味着这种盲检测算法具有更高的通信速率。
本实施例还提供一种介质(亦称为计算机可读存储介质),其上存储有计算机程序,该程序被处理器执行时实现所述基于脑电信号的脑机接口的检测方法。
本领域普通技术人员可以理解计算机可读存储介质为:实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
实施例二
本实施例提供一种基于脑电信号的脑机接口的检测系统,包括:
信号获取模块,用于获取原始脑电信号;所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号;
循环移位处理模块,用于对所述原始脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理,以获取循环移位后的信号;
计算模块,用于计算不同频率刺激下循环移位后的信号的短时自相关函数;
确定模块,用于根据短时自相关函数,确定用户正在注视频率对应的倍频。
以下将结合图示对本实施例所述基于脑电信号的脑机接口的检测系统进行详细描述。请参阅图4,显示为基于脑电信号的脑机接口的检测系统于一实施例中的原理结构示意图。如图4所示,所述基于脑电信号的脑机接口的检测系统4包括信号获取模块41、循环移位处理模块42、计算模块43及确定模块44。
所述信号获取模块41用于获取原始脑电信号。所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号。在本实施例中,所述原始脑电信号用X表示。所述原始脑电信号为多个并联的电极帽所采集,并经过与所述电极帽连接的脑电放大器进行放大处理后的脑电信号。
具体地,所述原始脑电信号为分别在每个电极帽拥有的64个通道上采集的脑电信号。
与所述信号获取模块41耦合的循环移位处理模块42用于对所述原始脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理,以获取循环移位后的信号。
具体地,所述循环移位处理模块42对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个半周期的循环移位,获取第一循环移位信号X1;对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个整周期的循环移位,获取第二循环移位信号X2;将原始脑电信号与所述第一循环移动信号相减再与所述第二循环移位信号相加,以获取不同频率的刺激目标做循环移位后的信号Si=X-X1+X2;其中,i=1,2,3,4,用于表示4个刺激目标。在实施例中,N倍频优选方案为2倍频。
或者所述循环移位处理模块42对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个整周期的循环移位,获取第三循环移位信号X3;对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个半周期的循环移位,获取第四循环移位信号X4;将原始脑电信号与所述第三循环移位信号相加再与所述第四循环移位信号相减,以获取循环移位后的信号Si=X+X3-X4。
与所述信号获取模块41和所述循环移位处理模块42耦合的计算模块43用于计算不同频率刺激下循环移位后的信号Si的短时自相关函数Ri。
在本实施例中,所述计算模块43预存有短时自相关函数Ri的计算公式。
具体地,短时自相关函数Ri的计算公式如下:
其中,n表示信号序列中第n个点,w表示信号序列是有限长,j表示表示与第n个点的距离,sw(n),sw(n-j)表示不同频率刺激下循环移位后的信号。
当i=1时,短时自相关函数Ri的函数图如图3所示,其中,横轴代表时间单位是1/1000s,纵轴代表短时自相关函数。
与所述信号获取模块41、所述循环移位处理模块42及所述计算模块43耦合的确定模块44用于根据短时自相关函数,确定用户正在注视频率对应的倍频。
具体地,所述确定模块44将所述短时自相关函数Ri所对应的倍频的多个整周期处峰值相加,得到不同频率刺激下峰值和;选择最大的峰值和对应的频率为用户正在注视频率对应的倍频。
需要说明的是,应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分,实际实现时可以全部或部分集成到一个物理实体上,也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现,也可以全部以硬件的形式实现,还可以部分模块通过处理元件调用软件的形式实现,部分模块通过硬件的形式实现。例如:循环移位处理模块可以为单独设立的处理元件,也可以集成在上述装置的某一个芯片中实现。此外,循环移位处理模块也可以以程序代码的形式存储于上述装置的存储器中,由上述装置的某一个处理元件调用并执行以上各模块的功能。其它模块的实现与之类似。这些模块全部或部分可以集成在一起,也可以独立实现。这里所述的处理元件可以是一种集成电路,具有信号的处理能力。在实现过程中,上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application SpecificIntegrated Circuit,简称ASIC),一个或多个微处理器(Digital Singnal Processor,简称DSP),一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,如中央处理器(Central Processing Unit,简称CPU)或其它可以调用程序代码的处理器。这些模块可以集成在一起,以片上系统(System-on-a-chip,简称SOC)的形式实现。
实施例三
本实施例提供一种设备,所述设备包括:处理器、存储器、收发器、通信接口或/和系统总线;存储器和通信接口通过系统总线与处理器和收发器连接并完成相互间的通信,存储器用于存储计算机程序,通信接口用于和其他设备进行通信,处理器和收发器用于运行计算机程序,使设备执行如实施例一所述基于脑电信号的脑机接口的检测方法的各个步骤。所述设备可与一采集装置相连接。
上述提到的系统总线可以是外设部件互连标准(Peripheral ComponentInterconnect,简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture,简称EISA)总线等。该系统总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。通信接口用于实现数据库访问装置与其他设备(如客户端、读写库和只读库)之间的通信。存储器可能包含随机存取存储器(Random Access Memory,简称RAM),也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
上述的处理器可以是通用处理器,包括中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本发明所述的基于脑电信号的脑机接口的检测方法的保护范围不限于本实施例列举的步骤执行顺序,凡是根据本发明的原理所做的现有技术的步骤增减、步骤替换所实现的方案都包括在本发明的保护范围内。
本发明还提供一种基于脑电信号的脑机接口的检测系统,所述基于脑电信号的脑机接口的检测系统可以实现本发明所述的基于脑电信号的脑机接口的检测方法,但本发明所述的基于脑电信号的脑机接口的检测方法的实现装置包括但不限于本实施例列举的基于脑电信号的脑机接口的检测系统的结构,凡是根据本发明的原理所做的现有技术的结构变形和替换,都包括在本发明的保护范围内。
综上所述,本发明所述基于脑电信号的脑机接口的检测方法、系统、介质及设备具有以下有益效果:
第一,本发明不需要基于脑电信号的脑机接口的检测方法假设SSVEP信号是正弦波或者是余弦波,只需要假设采集到的脑电信号的SSVEP成分具有周期性。这样便可放宽基于SSVEP的脑-机接口设备的使用要求,即使SSVEP信号并不与正弦波接近的受试者也可以使用脑-机接口设备。而且也可以有效提高当用于实时采样的汉明窗较短时检测精度过低的问题,同时本申请所述检测方法也为业界SSVEP信号的检测提供了一种全新的检测思路,在以后脑-机接口技术全面应用后也能多一个算法的选择。
第二,本发明有效利用了SSVEP信号的周期性,利用自相关函数检测SSVEP信号的周期成功实现了对SSVEP信号的盲检测,具有更高的短时识别精度,当实时采集数据的汉明窗缩短到0.6s时,该所述方法具有较高的识别精度,也就意味着这种盲检测算法具有更高的通信速率。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (9)
1.一种基于脑电信号的脑机接口的检测方法,其特征在于,包括:
获取原始脑电信号;所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号;
对所述原始脑电信号进行所有刺激目标频率对应倍频的循环移位处理,以获取循环移位后的信号;
计算不同频率刺激下循环移位后的信号的短时自相关函数;
根据短时自相关函数,确定用户正在注视频率对应的倍频,包括:将所述短时自相关函数所对应的倍频的多个整周期处峰值相加,得到不同频率刺激下峰值和;选择最大的峰值和对应的频率为用户正在注视频率对应的倍频。
2.根据权利要求1所述的基于脑电信号的脑机接口的检测方法,其特征在于,对所述脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理的步骤包括:
对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个半周期的循环移位,获取第一循环移位信号;对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个整周期的循环移位,获取第二循环移位信号。
3.根据权利要求2所述的基于脑电信号的脑机接口的检测方法,其特征在于,所述循环移位后的信号等于原始脑电信号与所述第一循环移位信号相减再与所述第二循环移位信号相加。
4.根据权利要求1所述的基于脑电信号的脑机接口的检测方法,其特征在于,对所述脑电信号进行所有刺激目标频率发的对应倍频的循环移位处理的步骤包括:
对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个整周期的循环移位,获取第三循环移位信号;对所述原始脑电信号进行所有刺激目标对应的N倍频所对应的多个半周期的循环移位,获取第四循环移位信号。
5.根据权利要求4所述的基于脑电信号的脑机接口的检测方法,其特征在于,所述循环移位后的信号等于原始脑电信号与所述第三循环移位信号相加再与所述第四循环移位信号相减。
6.根据权利要求2所述的基于脑电信号的脑机接口的检测方法,其特征在于,所述原始脑电信号为多个并联的电极帽所采集,并经过与所述电极帽连接的脑电放大器进行放大处理后的脑电信号。
7.一种基于脑电信号的脑机接口的检测系统,其特征在于,包括:
信号获取模块,用于获取原始脑电信号;所述原始脑电信号为用户在注视不同频率下刺激目标所产生的信号;
循环移位处理模块,用于对所述原始脑电信号进行所有刺激目标频率对应倍频的循环移位处理,以获取循环移位后的信号;
计算模块,用于计算不同频率刺激下循环移位后的信号的短时自相关函数;
确定模块,用于根据短时自相关函数,确定用户正在注视频率对应的倍频;所述确定模块将所述短时自相关函数所对应的倍频的多个整周期处峰值相加,得到不同频率刺激下峰值和;选择最大的峰值和对应的频率为用户正在注视频率对应的倍频。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1至6中任一项所述基于脑电信号的脑机接口的检测方法。
9.一种计算机设备,其特征在于,包括:处理器及存储器;
所述存储器用于存储计算机程序,所述处理器用于执行所述存储器存储的计算机程序,以使所述设备执行如权利要求1至6中任一项所述基于脑电信号的脑机接口的检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174047.9A CN110852307B (zh) | 2019-11-26 | 2019-11-26 | 基于脑电信号的脑机接口的检测方法、系统、介质及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911174047.9A CN110852307B (zh) | 2019-11-26 | 2019-11-26 | 基于脑电信号的脑机接口的检测方法、系统、介质及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110852307A CN110852307A (zh) | 2020-02-28 |
CN110852307B true CN110852307B (zh) | 2022-07-05 |
Family
ID=69604644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911174047.9A Active CN110852307B (zh) | 2019-11-26 | 2019-11-26 | 基于脑电信号的脑机接口的检测方法、系统、介质及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110852307B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116098636A (zh) * | 2023-02-14 | 2023-05-12 | 上海前瞻创新研究院有限公司 | 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端 |
CN117421539B (zh) * | 2023-12-18 | 2024-03-01 | 深圳市魔样科技有限公司 | 一种脑机接口系统数据优化处理方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103845137A (zh) * | 2014-03-19 | 2014-06-11 | 北京工业大学 | 基于稳态视觉诱发脑机接口的机器人控制方法 |
CN106933353A (zh) * | 2017-02-15 | 2017-07-07 | 南昌大学 | 一种基于运动想象和编码调制视觉诱发电位的二维光标运动控制系统及方法 |
CN108459714A (zh) * | 2018-03-05 | 2018-08-28 | 东南大学 | 基于mi和ssvep双范式的少通道异步控制脑机接口系统 |
CN109965871A (zh) * | 2019-03-22 | 2019-07-05 | 中国科学院上海高等研究院 | 脑机接口信号的分析方法、系统、介质及设备 |
-
2019
- 2019-11-26 CN CN201911174047.9A patent/CN110852307B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103845137A (zh) * | 2014-03-19 | 2014-06-11 | 北京工业大学 | 基于稳态视觉诱发脑机接口的机器人控制方法 |
CN106933353A (zh) * | 2017-02-15 | 2017-07-07 | 南昌大学 | 一种基于运动想象和编码调制视觉诱发电位的二维光标运动控制系统及方法 |
CN108459714A (zh) * | 2018-03-05 | 2018-08-28 | 东南大学 | 基于mi和ssvep双范式的少通道异步控制脑机接口系统 |
CN109965871A (zh) * | 2019-03-22 | 2019-07-05 | 中国科学院上海高等研究院 | 脑机接口信号的分析方法、系统、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110852307A (zh) | 2020-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Shukla et al. | Feature extraction and selection for emotion recognition from electrodermal activity | |
US10866637B2 (en) | Gesture classification apparatus and method using EMG signal | |
Jenke et al. | Feature extraction and selection for emotion recognition from EEG | |
Shan et al. | A Simple Convolutional Neural Network for Accurate P300 Detection and Character Spelling in Brain Computer Interface. | |
CN110852307B (zh) | 基于脑电信号的脑机接口的检测方法、系统、介质及设备 | |
CN109965871B (zh) | 脑机接口信号的分析方法、系统、介质及设备 | |
CN113143295A (zh) | 基于运动想象脑电信号的设备控制方法及终端 | |
CN111671420B (zh) | 一种从静息态脑电数据中提取特征的方法及终端设备 | |
CN111820876A (zh) | 一种脑电空间滤波器的动态构建方法 | |
CN111797747A (zh) | 一种基于eeg、bvp和微表情的潜在情绪识别方法 | |
CN113133769A (zh) | 基于运动想象脑电信号的设备控制方法、装置及终端 | |
Yan et al. | SSVEP-EEG denoising via image filtering methods | |
Hernandez-Ruiz et al. | Motor-imagery eegnet-based processing on a low-spec soc hardware | |
CN114366103A (zh) | 注意力评估方法、装置及电子设备 | |
Lin et al. | A 3DCNN-LSTM Hybrid framework for sEMG-based noises recognition in exercise | |
Tigga et al. | Efficacy of novel attention-based gated recurrent units transformer for depression detection using electroencephalogram signals | |
CN112140113B (zh) | 一种基于脑-机接口的机器人控制系统及控制方法 | |
CN111985351B (zh) | 一种基于眼动的疲劳检测方法 | |
CN112783314B (zh) | 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端 | |
CN111772629A (zh) | 一种脑认知技能移植的方法 | |
Cecotti et al. | Suboptimal sensor subset evaluation in a p300 brain-computer interface | |
CN112651432A (zh) | 基于xdawn空间滤波器和黎曼几何迁移学习的p300脑-机接口系统 | |
Hasan | Comparison between kNN and SVM for EMG Signal Classification | |
CN114246594B (zh) | 脑电信号处理方法、背景脑电预测模型的训练方法及装置 | |
Herbst et al. | Inception Based Deep Learning: Biometric Identification Using Electroencephalography (EEG) |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |