CN112462943A - 一种基于脑电波信号的控制方法、装置及介质 - Google Patents
一种基于脑电波信号的控制方法、装置及介质 Download PDFInfo
- Publication number
- CN112462943A CN112462943A CN202011419968.XA CN202011419968A CN112462943A CN 112462943 A CN112462943 A CN 112462943A CN 202011419968 A CN202011419968 A CN 202011419968A CN 112462943 A CN112462943 A CN 112462943A
- Authority
- CN
- China
- Prior art keywords
- brain wave
- wave signal
- current frame
- frame brain
- control
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 330
- 238000000034 method Methods 0.000 title claims abstract description 73
- 230000005540 biological transmission Effects 0.000 claims description 29
- 238000003066 decision tree Methods 0.000 claims description 18
- 238000012512 characterization method Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000010606 normalization Methods 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 230000007177 brain activity Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000537 electroencephalography Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001242 postsynaptic effect Effects 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Biomedical Technology (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Human Computer Interaction (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本公开提供了一种基于脑电波信号的控制方法、装置及介质，此方法包括：获取当前帧脑电波信号；根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型；根据所述当前帧脑电波信号的控制类型和/或所述当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件时，发送当前帧脑电波信号的控制类型所对应的控制信号。本公开中，根据脑电波信号在时域上的幅值信息，确定当前对应的控制类型，在控制类型确定符合发送条件时，发送当前帧脑电波信号的控制类型所对应的控制信号，从而在控制者通过意念产生不同的控制想法时，根据脑电波信号出现不同的幅值情况，发出不同的控制信号，无需用户进行手动操作。
Description
技术领域
本公开涉及信号处理技术领域，尤其涉及一种基于脑电波信号的控制方法、装置及介质。
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的方法，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。
发明内容
有鉴于此，本公开提供了一种基于脑电波信号的控制方法、装置及介质。
根据本公开实施例的第一方面，提供一种基于脑电波信号的控制方法，包括：
获取当前帧脑电波信号；
根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型；
根据所述当前帧脑电波信号的控制类型和/或所述当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件；
发送当前帧脑电波信号的控制类型所对应的控制信号。
在一实施方式中，所述方法还包括：
确定设定区间与控制类型的对应关系，其中，所述设定区间是脑电波信号的正向幅值的区间；
所述根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型，包括：
根据所述当前帧脑电波信号的幅值信息确定所述当前帧脑电波信号的幅值表征值，根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间；
根据所述幅值表征值所属的设定区间和所述对应关系，确定所述幅值表征值所属的设定区间对应的控制类型；
其中，所述幅值表征值是当前帧脑电波信号中所有幅值的幅值绝对值的平均值，或者，是当前帧脑电波信号中所有幅值中幅值绝对值的最大值。
在一实施方式中，所述根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间，包括：
根据决策树和所述当前帧脑电波信号的幅值表征值，确定当前帧脑电波信号的幅值表征值所属的设定区间，所述决策树中的每个叶节点对应于一设定区间。
在一实施方式中，所述根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件，包括：
在当前帧脑电波信号的控制类型以及与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号的控制类型均为第一类型,且在与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号对应的时段内未发送控制信号的情况下，确定满足符合发送条件，其中N是大于1的正整数。
在一实施方式中，所述根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件，包括：
在当前帧脑电波信号的控制类型是第二类型，且当前帧脑电波信号的前M帧脑电波信号中第一帧脑电波信号的控制类型是第二类型，其它的M-1帧脑电波信号的控制类型是第三类型时，确定满足符合发送条件，其中M是大于1的正整数。
在一实施方式中，所述根据当前帧脑电波信号的控制类型确定符合发送条件，包括：
当前帧脑电波信号的控制类型是第四类型时，确定符合发送条件。
根据本公开实施例的第二方面，提供一种基于脑电波信号的控制装置，包括：
获取模块，被配置为获取当前帧脑电波信号；
第一确定模块，被配置为根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型；
第二确定模块，被配置为根据所述当前帧脑电波信号的控制类型和/或所述当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件；
发送模块，被配置为在符合发送条件时，发送当前帧脑电波信号的控制类型所对应的控制信号。
在一实施方式中，所述装置还包括：
第三确定模块，被配置为确定设定区间与控制类型的对应关系，其中，所述设定区间是脑电波信号的正向幅值的区间；
所述第一确定模块，还被配置为使用以下方法根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型：
根据所述当前帧脑电波信号的幅值信息确定所述当前帧脑电波信号的幅值表征值，根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间；根据所述幅值表征值所属的设定区间和所述对应关系，确定所述幅值表征值所属的设定区间对应的控制类型；
其中，所述幅值表征值是当前帧脑电波信号中所有幅值的幅值绝对值的平均值，或者，是当前帧脑电波信号中所有幅值中幅值绝对值的最大值。
在一实施方式中，所述第一确定模块，还被配置为使用以下方法根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间：
根据决策树和所述当前帧脑电波信号的幅值表征值，确定当前帧脑电波信号的幅值表征值所属的设定区间，所述决策树中的每个叶节点对应于一设定区间。
在一实施方式中，所述第二确定模块，还被配置为采用以下方法根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件：
在当前帧脑电波信号的控制类型，以及与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号的控制类型均为第一类型,且在与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号对应的时段内未发送控制信号的情况下，确定满足符合发送条件，其中N是大于1的正整数。
在一实施方式中，所述第二确定模块，还被配置为采用以下方法根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件：
在当前帧脑电波信号的控制类型是第二类型，且当前帧脑电波信号的前M帧脑电波信号中第一帧脑电波信号的控制类型是第二类型，其它的M-1帧脑电波信号的控制类型是第三类型时，确定满足符合发送条件，其中M是大于1的正整数。
在一实施方式中，所述第二确定模块，还被配置为采用以下方法根据当前帧脑电波信号的控制类型确定符合发送条件：
当前帧脑电波信号的控制类型是第四类型时，确定符合发送条件。
根据本公开实施例的第三方面，提供一种基于脑电波信号的控制装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述存储器中的可执行指令以实现所述基于脑电波信号的控制方法的步骤。
根据本公开实施例的第四方面，提供一种非临时性计算机可读存储介质，其上存储有可执行指令，该可执行指令被处理器执行时实现所述基于脑电波信号的控制方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：根据脑电波信号在时域上的幅值信息，确定当前对应的控制类型，在当前帧脑电波信号的控制类型和/或历史帧脑电波信号对应的控制类型，确定符合发送条件时，发送当前帧脑电波信号的控制类型所对应的控制信号，从而在控制者通过意念产生不同的控制想法时，根据脑电波信号出现不同的幅值情况，发出不同的控制信号，无需用户进行手动操作。本公开可以提供新型且快捷的控制方案，并且还可以使残障人士享受生活便利。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种基于脑电波信号的控制方法的流程图；
图2是根据一示例性实施例示出的一种基于脑电波信号的控制方法的流程图；
图3是根据一示例性实施例示出的一种策略树的结构图；
图4是根据一示例性实施例示出的一种脑电波信号示意图；
图5是根据一示例性实施例示出的一种脑电波信号示意图；
图6是根据一示例性实施例示出的一种脑电波信号示意图；
图7是根据一示例性实施例示出的一种基于脑电波信号的控制装置的结构图；
图8是根据一示例性实施例示出的一种基于脑电波信号的控制装置的结构图；
图9是根据一示例性实施例示出的一种基于脑电波信号的控制装置的结构图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开中实施例相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开中实施例的一些方面相一致的装置和方法的例子。
本公开实施例中提供一种基于脑电波信号的控制方法。参照图1，图1是根据一示例性实施例示出的一种基于脑电波信号的控制方法的流程图。如图1所示，此方法包括：
步骤S11，获取当前帧脑电波信号。
步骤S12,根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型。
步骤S13,根据所述当前帧脑电波信号的控制类型和/或所述当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件。
步骤S14，发送当前帧脑电波信号的控制类型所对应的控制信号。
在一实施方式中，控制类型可以是对移动终端的购物类应用的显示界面进行控制的类型，例如控制类型包括以下中的至少一种：点击确认按钮、返回上一页、选中下一项、选中上一项、选中左一项、选中右一项。
其中，点击确认按钮是对确认购买按钮的确认控制，或者是针对货物展示页面的点击进入详情页面的控制。选中下一项也可以认为是光标下移的控制，选中上一项也可以认为是光标上移的控制，选中左一项也可以认为是光标左移的控制，选中右一项也可以认为是光标右移的控制。
在一实施方式中，控制类型是对智能家居设备的控制类型，例如控制类型包括以下中的至少一种：打开、关闭、增大音量、减少音量、增大亮度、减少亮度。
在一实施方式中，步骤S11中获取当前帧脑电波信号后，将当前帧脑电波信号从整数形式(16bit)转换为浮点形式(float)，并进行归一化处理，例如归一化处理后的幅值区间是0至1。
在一实施方式中，发送当前帧脑电波信号的控制类型所对应的控制信号，包括：通过与受控设备之间的有线连接发送当前帧脑电波信号的控制类型所对应的控制信号，或者，通过与受控设备之间的无线连接发送当前帧脑电波信号的控制类型所对应的控制信号。
本实施例中，根据脑电波信号在时域上的幅值信息，确定当前对应的控制类型，在当前帧脑电波信号的控制类型和/或历史帧脑电波信号对应的控制类型，确定符合发送条件时，发送当前帧脑电波信号的控制类型所对应的控制信号，从而在控制者通过意念产生不同的控制想法时，根据脑电波信号出现不同的幅值情况，发出不同的控制信号，无需用户进行手动操作。本公开可以提供新型且快捷的控制方案，并且还可以使残障人士享受生活便利。
本公开实施例中提供一种基于脑电波信号的控制方法，包括图1所示的方法。参照图2，图2是根据一示例性实施例示出的一种基于脑电波信号的控制方法的流程图。此方法在图1的基础上还包括：步骤S10，确定设定区间与控制类型的对应关系，其中，所述设定区间是脑电波信号的正向幅值的区间。
步骤S12中根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型，包括：
根据所述当前帧脑电波信号的幅值信息确定所述当前帧脑电波信号的幅值表征值，根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间；
根据所述幅值表征值所属的设定区间和所述对应关系，确定所述幅值表征值所属的设定区间对应的控制类型；
其中，所述幅值表征值是当前帧脑电波信号中所有幅值的幅值绝对值的平均值，或者，是当前帧脑电波信号中所有幅值中幅值绝对值的最大值。
在一实施方式中，步骤S11中获取当前帧脑电波信号后，将当前帧脑电波信号从整数形式(16bit)转换为浮点形式(float)，并进行归一化处理，例如归一化处理后的幅值区间是0至1。
在步骤S11之前还包括设置多个设定区间，此多个设定区间中任意两个设定区间不具有重叠部分，此多个设定区间中的最小值是归一化处理后的幅值区间的最小值，此多个设定区间中的最大值是归一化处理后的幅值区间的最大值，即此多个设定区间的组合区间是归一化处理后的幅值区间。
例如：归一化处理后的幅值区间是[0,1],提前设置4个设定区间，分别为：第一区间是[0,0.0036)、第二区间是[0.0036,0.006)、第三区间是[0.006，0.04)、第四区间是[0.04,1)，此四个设定区间的组合区间为[0,1]。
在一实施方式中，每帧脑电波信号中包括256个采样值。
例如：步骤S12中根据当前帧脑电波信号的幅值信息，确定当前帧脑电波信号对应的控制类型，包括：确定当前帧脑电波信号中所有脑电波信号采样点的幅值的绝对值，确定当前帧脑电波信号中所有幅值的幅值绝对值的平均值为幅值表征值，确定此幅值表征值所属的设定区间，确定当前帧脑电波信号对应的控制类型是所述设定区间对应的控制类型。
例如：步骤S12中根据当前帧脑电波信号的幅值信息，确定当前帧脑电波信号对应的控制类型，包括：确定当前帧脑电波信号中所有脑电波信号采样点的幅值的绝对值，确定当前帧脑电波信号中所有幅值的幅值绝对值的最大值为幅值表征值，确定此幅值表征值所属的设定区间，确定当前帧脑电波信号对应的控制类型是所述设定区间对应的控制类型。
本公开实施例中提供一种基于脑电波信号的控制方法，包括图2所示的方法，并且：步骤S12中根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间，包括以下方式中的一种：
方式一，确定当前帧脑电波信号的幅值表征值，依次使用各设定区间与幅值表征值进行比对，确定当前帧脑电波信号的幅值表征值所属的设定区间。
方式二，根据决策树和所述当前帧脑电波信号的幅值表征值，确定当前帧脑电波信号的幅值表征值所属的设定区间，其中，所述决策树中的每个叶节点对应于一设定区间。
其中，方式二中的决策树是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。决策树是一种十分常用的分类方法。决策树是采用监督学习的方式获得的，其中的监督学习是指根据样本集进行学习，样本集中的每个样本都有一组属性和一个类别，属性和类别是事先确定的，通过监督学习后的决策树能够对新出现的对象给出正确的分类。
本实施例中，方式二的根据决策树确定当前帧脑电波信号的幅值表征值所属的设定区间，相比于方式一中依次使用各设定区间与幅值表征值进行比对，有效提高确定出所属的设定区间的效率。
下面通过一个示例进行说明。
例如：对当前帧脑电波信号进行归一化处理后的区间为(0,1)。确定四个区间，此四个区间具体是：
第一区间是[0,0.0036)；
第二区间是[0.0036,0.006)；
第三区间是[0.006，0.04)；
第四区间是[0.04,1)。
其中：
第一区间对应的控制类型是确认。
第二区间对应的控制类型是选择下一项。
第三区间对应的控制类型是无操作。
第四区间对应的控制类型是返回上一页。
图3是示例中的决策树的结构图，如图3所示，针对当前帧脑电波信号，先判断当前帧脑电波信号是否属于第三区间，在不属于第三区间的情况下，继续判断当前帧脑电波信号是否属于第一区间，在不属于第一区间的情况下，继续判断当前帧脑电波信号是否属于第四区间，在不属于第一区间的情况下，属于第二区间。
本公开实施例中提供一种基于脑电波信号的控制方法，包括图1所示的方法，并且：步骤S13中根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件，包括：
在当前帧脑电波信号的控制类型，以及与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号的控制类型均为第一类型,且在与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号对应的时段内未发送控制信号的情况下，确定满足符合发送条件，其中N是大于1的正整数。
例如：N的值是5。第一类型是“确认”。
第95帧脑电波信号的控制类型是“无操作”，第96帧脑电波信号、第97帧脑电波信号、第98帧脑电波信号、第99帧脑电波信号的控制类型均是“确认”，第100帧脑电波信号的控制类型是“确认”。
接收到第100帧脑电波信号时，确定满足符合发送条件，发送确定信号。
接收到第101帧脑电波信号后，第101帧脑电波信号的控制类型是“确认”，确定当前不符合发送条件。
接收到第102帧脑电波信号后，第102帧脑电波信号的控制类型是“确认”，确定当前不符合发送条件。
接收到第103帧脑电波信号后，第103帧脑电波信号的控制类型是“确认”，确定当前不符合发送条件。
接收到第104帧脑电波信号后，第104帧脑电波信号的控制类型是“确认”，确定当前不符合发送条件。
接收到第105帧脑电波信号后，第105帧脑电波信号的控制类型是“确认”，确定当前符合发送条件。
本公开实施例中提供一种基于脑电波信号的控制方法，包括图1所示的方法，并且：步骤S13中所述根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件，包括：
在当前帧脑电波信号的控制类型是第二类型，且当前帧脑电波信号的前M帧脑电波信号中第一帧脑电波信号的控制类型是第二类型，其它的M-1帧脑电波信号的控制类型是第三类型时，确定满足符合发送条件，其中M是大于1的正整数。
例如：N的值是3。第二类型是“选择下一项”。
第80帧脑电波信号的控制类型是“选择下一项”。
第81帧脑电波信号的控制类型是“无操作”。
第82帧脑电波信号的控制类型是“无操作”。
第83帧脑电波信号的控制类型是“选择下一项”。确定当前符合发送条件，发送用于指示“选择下一项”的指令。
本公开实施例中提供一种基于脑电波信号的控制方法，包括图1所示的方法，并且：步骤S13中所述根据当前帧脑电波信号的控制类型确定符合发送条件，包括：当前帧脑电波信号的控制类型是第四类型时，确定符合发送条件。
例如：第四类型是“返回上一页”，当前帧脑电波信号的控制类型是第四类型时，确定符合发送条件，发送用于指示返回上一页的指令。
下面通过几个具体实施例进行说明。
例如：
如图4所示，图中标圆点的位置对应于发出“确认”指令的位置。
如图5所示，图中标分叉标识的位置对应于发出“选择下一项”指令的位置。
如图6所示，图中标星号标识的位置对应于发出“选择下一项”指令的位置。
本公开实施例中提供一种基于脑电波信号的控制装置。参照图7，图7是根据一示例性实施例示出的一种基于脑电波信号的控制装置的结构图。如图7所示，此包括：
获取模块701，被配置为获取当前帧脑电波信号；
第一确定模块702，被配置为根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型；
第二确定模块703，被配置为根据所述当前帧脑电波信号的控制类型和/或所述当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件；
发送模块704，被配置为在符合发送条件时，发送当前帧脑电波信号的控制类型所对应的控制信号。
本公开实施例中提供一种基于脑电波信号的控制装置，参照图8，图8是根据一示例性实施例示出的一种基于脑电波信号的控制装置的结构图。此装置包括图7所示的装置，并且还包括：
第三确定模块700，被配置为确定设定区间与控制类型的对应关系，其中，所述设定区间是脑电波信号的正向幅值的区间。
第一确定模块702，还被配置为使用以下方法根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型：
根据所述当前帧脑电波信号的幅值信息确定所述当前帧脑电波信号的幅值表征值，根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间；根据所述幅值表征值所属的设定区间和所述对应关系，确定所述幅值表征值所属的设定区间对应的控制类型；
其中，所述幅值表征值是当前帧脑电波信号中所有幅值的幅值绝对值的平均值，或者，是当前帧脑电波信号中所有幅值中幅值绝对值的最大值。
本公开实施例中提供一种基于脑电波信号的控制装置，此装置包括图7或图8所示的装置，并且：
所述第一确定模块702，还被配置为使用以下方法根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间：
根据决策树和所述当前帧脑电波信号的幅值表征值，确定当前帧脑电波信号的幅值表征值所属的设定区间，所述决策树中的每个叶节点对应于一设定区间。
本公开实施例中提供一种基于脑电波信号的控制装置，此装置包括图7或图8所示的装置，并且：
所述第二确定模块703，还被配置为采用以下方法根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件：
在当前帧脑电波信号的控制类型，以及与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号的控制类型均为第一类型,且在与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号对应的时段内未发送控制信号的情况下，确定满足符合发送条件，其中N是大于1的正整数。
本公开实施例中提供一种基于脑电波信号的控制装置，此装置包括图7或图8所示的装置，并且：
所述第二确定模块703，还被配置为采用以下方法根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件：
在当前帧脑电波信号的控制类型是第二类型，且当前帧脑电波信号的前M帧脑电波信号中第一帧脑电波信号的控制类型是第二类型，其它的M-1帧脑电波信号的控制类型是第三类型时，确定满足符合发送条件，其中M是大于1的正整数。
本公开实施例中提供一种基于脑电波信号的控制装置，此装置包括图7或图8所示的装置，并且：
所述第二确定模块703，还被配置为采用以下方法根据当前帧脑电波信号的控制类型确定符合发送条件：
当前帧脑电波信号的控制类型是第四类型时，确定符合发送条件。
本公开实施例中提供一种基于脑电波信号的控制装置，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述存储器中的可执行指令以实现所述方法的步骤。
本公开实施例中提供一种非临时性计算机可读存储介质，其上存储有可执行指令，该可执行指令被处理器执行时实现所述方法的步骤。
图9是根据一示例性实施例示出的一种基于脑电波信号的控制装置900的框图。参照图9，装置900可以包括以下一个或多个组件：处理组件902，存储器904，电力组件906，多媒体组件908，音频组件910，输入/输出(I/O)的接口912，传感器组件914，以及通信组件916。
处理组件902通常控制装置900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。
存储器904被配置为存储各种类型的数据以支持在设备900的操作。这些数据的示例包括用于在装置900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电力组件906为装置900的各种组件提供电力。电力组件906可以包括电源管理系统，一个或多个电源，及其他与为装置900生成、管理和分配电力相关联的组件。
多媒体组件908包括在所述装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当设备900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当装置900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。
I/O接口912为处理组件902和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件914包括一个或多个传感器，用于为装置900提供各个方面的状态评估。例如，传感器组件914可以检测到设备900的打开/关闭状态，组件的相对定位，例如所述组件为装置900的显示器和小键盘，传感器组件914还可以检测装置900或装置900一个组件的位置改变，用户与装置900接触的存在或不存在，装置900方位或加速/减速和装置900的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件916被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件916经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器904，上述指令可由装置900的处理器920执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的内容后，将容易想到本公开中实施例的其它实施方案。本申请旨在涵盖本公开中实施例的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开中实施例的一般性原理并包括实施例未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开实施例的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开中实施例并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围对本申请中所公开的方法步骤或设备组件进行各种组合、替换、修改和改变，这些组合、替换、修改和改变均被视为被包括在本公开所记载的范围内。本公开所要求保护的范围由所附的权利要求来限制。
需要说明的是，在本公开中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
Claims (14)
1.一种基于脑电波信号的控制方法，其特征在于，包括：
获取当前帧脑电波信号；
根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型；
根据所述当前帧脑电波信号的控制类型和/或所述当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件；
发送当前帧脑电波信号的控制类型所对应的控制信号。
2.如权利要求1所述的方法，其特征在于，
所述方法还包括：
确定设定区间与控制类型的对应关系，其中，所述设定区间是脑电波信号的正向幅值的区间；
所述根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型，包括：
根据所述当前帧脑电波信号的幅值信息确定所述当前帧脑电波信号的幅值表征值，根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间；
根据所述幅值表征值所属的设定区间和所述对应关系，确定所述幅值表征值所属的设定区间对应的控制类型；
其中，所述幅值表征值是当前帧脑电波信号中所有幅值的幅值绝对值的平均值，或者，是当前帧脑电波信号中所有幅值中幅值绝对值的最大值。
3.如权利要求2所述的方法，其特征在于，
所述根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间，包括：
根据决策树和所述当前帧脑电波信号的幅值表征值，确定当前帧脑电波信号的幅值表征值所属的设定区间，所述决策树中的每个叶节点对应于一设定区间。
4.如权利要求1所述的方法，其特征在于，
所述根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件，包括：
在当前帧脑电波信号的控制类型以及与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号的控制类型均为第一类型,且在与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号对应的时段内未发送控制信号的情况下，确定满足符合发送条件，其中N是大于1的正整数。
5.如权利要求1所述的方法，其特征在于，
所述根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件，包括：
在当前帧脑电波信号的控制类型是第二类型，且当前帧脑电波信号的前M帧脑电波信号中第一帧脑电波信号的控制类型是第二类型，其它的M-1帧脑电波信号的控制类型是第三类型时，确定满足符合发送条件，其中M是大于1的正整数。
6.如权利要求1所述的方法，其特征在于，
所述根据当前帧脑电波信号的控制类型确定符合发送条件，包括：
当前帧脑电波信号的控制类型是第四类型时，确定符合发送条件。
7.一种基于脑电波信号的控制装置，其特征在于，包括：
获取模块，被配置为获取当前帧脑电波信号；
第一确定模块，被配置为根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型；
第二确定模块，被配置为根据所述当前帧脑电波信号的控制类型和/或所述当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件；
发送模块，被配置为在符合发送条件时，发送当前帧脑电波信号的控制类型所对应的控制信号。
8.如权利要求7所述的装置，其特征在于，
所述装置还包括：
第三确定模块，被配置为确定设定区间与控制类型的对应关系，其中，所述设定区间是脑电波信号的正向幅值的区间；
所述第一确定模块，还被配置为使用以下方法根据所述当前帧脑电波信号的幅值信息，确定所述当前帧脑电波信号对应的控制类型：
根据所述当前帧脑电波信号的幅值信息确定所述当前帧脑电波信号的幅值表征值，根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间；根据所述幅值表征值所属的设定区间和所述对应关系，确定所述幅值表征值所属的设定区间对应的控制类型；
其中，所述幅值表征值是当前帧脑电波信号中所有幅值的幅值绝对值的平均值，或者，是当前帧脑电波信号中所有幅值中幅值绝对值的最大值。
9.如权利要求7所述的装置，其特征在于，
所述第一确定模块，还被配置为使用以下方法根据所述当前帧脑电波信号的幅值表征值确定所述幅值表征值所属的设定区间：
根据决策树和所述当前帧脑电波信号的幅值表征值，确定当前帧脑电波信号的幅值表征值所属的设定区间，所述决策树中的每个叶节点对应于一设定区间。
10.如权利要求7所述的装置，其特征在于，
所述第二确定模块，还被配置为采用以下方法根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件：
在当前帧脑电波信号的控制类型，以及与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号的控制类型均为第一类型,且在与当前帧脑电波信号相邻的N个连续的历史帧脑电波信号对应的时段内未发送控制信号的情况下，确定满足符合发送条件，其中N是大于1的正整数。
11.如权利要求7所述的装置，其特征在于，
所述第二确定模块，还被配置为采用以下方法根据当前帧脑电波信号的控制类型和/或当前帧脑电波信号之前的多个历史帧脑电波信号的控制类型，确定符合发送条件：
在当前帧脑电波信号的控制类型是第二类型，且当前帧脑电波信号的前M帧脑电波信号中第一帧脑电波信号的控制类型是第二类型，其它的M-1帧脑电波信号的控制类型是第三类型时，确定满足符合发送条件，其中M是大于1的正整数。
12.如权利要求7所述的装置，其特征在于，
所述第二确定模块，还被配置为采用以下方法根据当前帧脑电波信号的控制类型确定符合发送条件：
当前帧脑电波信号的控制类型是第四类型时，确定符合发送条件。
13.一种基于脑电波信号的控制装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述存储器中的可执行指令以实现权利要求1至6中任一项所述方法的步骤。
14.一种非临时性计算机可读存储介质，其上存储有可执行指令，其特征在于，该可执行指令被处理器执行时实现权利要求1至6中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011419968.XA CN112462943A (zh) | 2020-12-07 | 2020-12-07 | 一种基于脑电波信号的控制方法、装置及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011419968.XA CN112462943A (zh) | 2020-12-07 | 2020-12-07 | 一种基于脑电波信号的控制方法、装置及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112462943A true CN112462943A (zh) | 2021-03-09 |
Family
ID=74801592
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011419968.XA Pending CN112462943A (zh) | 2020-12-07 | 2020-12-07 | 一种基于脑电波信号的控制方法、装置及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112462943A (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130130799A1 (en) * | 2010-07-30 | 2013-05-23 | Marc Van Hulle | Brain-computer interfaces and use thereof |
| CN107291230A (zh) * | 2017-06-19 | 2017-10-24 | 京东方科技集团股份有限公司 | 脑电波控制方法及装置、显示装置 |
| CN108416004A (zh) * | 2018-02-27 | 2018-08-17 | 广东欧珀移动通信有限公司 | 电子设备、音乐控制方法及相关产品 |
| US20190384391A1 (en) * | 2017-05-09 | 2019-12-19 | Boe Technology Group Co., Ltd. | Rehabilitation robot, rehabilitation system, rehabilitation method and rehabilitation device |
| WO2020042109A1 (zh) * | 2018-08-30 | 2020-03-05 | 西门子（中国）有限公司 | 用于安全控制的脑机接口装置以及机器人系统 |
-
2020
- 2020-12-07 CN CN202011419968.XA patent/CN112462943A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20130130799A1 (en) * | 2010-07-30 | 2013-05-23 | Marc Van Hulle | Brain-computer interfaces and use thereof |
| US20190384391A1 (en) * | 2017-05-09 | 2019-12-19 | Boe Technology Group Co., Ltd. | Rehabilitation robot, rehabilitation system, rehabilitation method and rehabilitation device |
| CN107291230A (zh) * | 2017-06-19 | 2017-10-24 | 京东方科技集团股份有限公司 | 脑电波控制方法及装置、显示装置 |
| CN108416004A (zh) * | 2018-02-27 | 2018-08-17 | 广东欧珀移动通信有限公司 | 电子设备、音乐控制方法及相关产品 |
| WO2020042109A1 (zh) * | 2018-08-30 | 2020-03-05 | 西门子（中国）有限公司 | 用于安全控制的脑机接口装置以及机器人系统 |
Non-Patent Citations (3)
| Title |
|---|
| F A AL-NUAIMI ET AL.: ""Mind Drone Chasing Using EEG-based Brain Computer Interface"", 《2020 16TH INTERNATIONAL CONFERENCE ON INTELLIGENT ENVIRONMENTS (IE)》, 4 August 2020 (2020-08-04), pages 74 - 79 * |
| 尹晟霖;李凤银;于晓璇;程嘉楷;吉翰云;: ""脑电波传感器研究及应用"", 《电子技术》, no. 07, 25 July 2018 (2018-07-25), pages 36 - 41 * |
| 张瑞 等: ""脑电波信号处理及其在教育中的应用研究"", 《现代信息科技》, vol. 3, no. 6, 25 March 2019 (2019-03-25), pages 45 - 47 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104461510A (zh) | 通知消息展示方法及装置 | |
| CN105610700A (zh) | 群组创建方法、装置及电子设备 | |
| CN107172307A (zh) | 闹钟响铃控制方法、装置及存储介质 | |
| CN110619873A (zh) | 音频处理方法、装置及存储介质 | |
| CN108334651A (zh) | 收集用户端数据实现预设需求的方法、装置及存储介质 | |
| CN105607818A (zh) | 应用程序的排序方法和装置 | |
| CN104837049A (zh) | 用户终端设备、显示设备及其控制方法 | |
| CN105516944A (zh) | 短信清理方法及装置 | |
| CN107820684A (zh) | 信道检测、信息发送方法、装置及通信设备 | |
| US20210307104A1 (en) | Method and apparatus for controlling intelligent voice control device and storage medium | |
| KR20190009201A (ko) | 이동 단말기 및 그 제어 방법 | |
| CN105306690A (zh) | 一种处理通信消息的方法和装置 | |
| CN111880681A (zh) | 触摸屏采样速率调节方法、装置及计算机存储介质 | |
| CN109447258B (zh) | 神经网络模型的优化方法及装置、电子设备和存储介质 | |
| CN110673917A (zh) | 信息管理方法和装置 | |
| CN112130719A (zh) | 页面显示方法、装置、系统、电子设备及存储介质 | |
| CN107368278B (zh) | 信息处理方法及装置 | |
| CN112462943A (zh) | 一种基于脑电波信号的控制方法、装置及介质 | |
| CN116301484A (zh) | 一种数据共享方法及装置、电子设备、存储介质 | |
| CN107567028A (zh) | 连网控制方法及装置 | |
| CN114124866A (zh) | 会话处理方法、装置、电子设备及存储介质 | |
| CN106462680A (zh) | 异常信息提示方法及装置 | |
| CN106789134B (zh) | 通信群组确定方法及装置 | |
| CN113315904A (zh) | 拍摄方法、拍摄装置及存储介质 | |
| CN104378090B (zh) | Pwm数据的处理方法及装置 |
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 |