CN113303816A - 一种基于面部表面肌电信号的味觉感知识别方法及系统 - Google Patents

一种基于面部表面肌电信号的味觉感知识别方法及系统 Download PDF

Info

Publication number
CN113303816A
CN113303816A CN202110477497.6A CN202110477497A CN113303816A CN 113303816 A CN113303816 A CN 113303816A CN 202110477497 A CN202110477497 A CN 202110477497A CN 113303816 A CN113303816 A CN 113303816A
Authority
CN
China
Prior art keywords
electrode
frequency
taste
signal
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
CN202110477497.6A
Other languages
English (en)
Inventor
李光
王恒阳
高晗
王酉
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.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
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 Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202110477497.6A priority Critical patent/CN113303816A/zh
Publication of CN113303816A publication Critical patent/CN113303816A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/389—Electromyography [EMG]
    • A61B5/397—Analysis of electromyograms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
    • A61B5/4017—Evaluating sense of taste
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms

Landscapes

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

Abstract

本发明公开了一种基于面部表面肌电信号的味觉感知识别方法及系统，利用电极采集受到味觉刺激时味觉感知神经相关的面部运动肌肉及腺体相关肌肉的电位信号，经过数字化、信号处理与模式识别，获知所刺激的味觉信息。即为将味觉以一种可表征的形式采集、处理并识别。本发明从面部提取有效的表面肌电信号，表征味觉感知信息，实现脑机接口功能，能够利用本发明的系统和方法，分类出人品尝的不同基本味觉，从而真实表征人体对味觉刺激的感知。本方法弥补了电子舌、化学分析等传统味觉检测方法只能进行味觉物质检测，无法进行主观味觉感知检测的缺陷。

Description

一种基于面部表面肌电信号的味觉感知识别方法及系统
技术领域
本发明涉及信息监测和人工智能领域，尤其是涉及一种通过面部表面肌电 信号，对正在刺激被试人体的化学物质的味觉感知的检测和识别方法及系统。
背景技术
作为人类进食行为的主要调节器和驱动力，味觉是人类进化出的重要感官 之一。味觉影响着人对饮食的选择，保护人类免于有毒有害食品的同时，在营 养和代谢的调节中也起到重要作用。人通过分布在舌表面的味蕾感受味觉。味 蕾由味觉细胞组成，味觉细胞上有味觉受体，通过与味觉物质的相互作用，可 检测和辨别各种味道。
经过长期的发展，目前的味觉检测方法主要有基于单个传统传感器或传感 器阵列的电子舌，以及利用酶、受体、细胞等生物敏感元件的生物传感器。然 而以上的检测方法的目标均为检测待测物中特定味觉物质的组成、分布、浓度 或比例，因而属于味觉物质检测。人体在受到味觉物质刺激时产生的味觉感知， 不仅决定于味觉刺激物中味觉物质的组成、分布和比例，也受到人体生理、心 理状态，味觉刺激物的温度、质感或其他特性等因素的影响。传统的味觉物质 检测在检测过程中无法获取这一信息，因此无法真实表征人体对味觉刺激的感 知。
脑机接口是指人或动物的脑或神经系统与外部设备之间的链接，用于实现 脑或神经系统与设备的信息交换，具体是指获取、分析、处理人体的神经活动 和血液活动的相关信号。人体在受到味觉刺激时，人体的感知表现为相应的神 经活动，因此采用脑机接口获取的神经电信号不仅含有味觉刺激物的组成、分 布和比例等传统味觉物质检测获取的信息，也含有人体生理、心理状态等其他 信息，可以用于实现味觉感知识别。但由于大脑结构复杂，采集脑电信号包含 有效信号少，信噪比高，对脑电信号的直接解码困难。在人品尝味道的同时， 味觉神经受到刺激，会产生对应的肌肉电信号，并且人的面部微表情也会随着 品尝味道的不同而变化，其中，表面肌电信号是指在人体体表采集的由肌肉电 信号和神经电信号的综合效应表现出的运动单元的电信号活动，具有无侵入， 信息繁杂度低，无用信息少，通道少，易处理等优势
发明内容
本发明主要提出一种基于面部表面肌电信号的味觉感知识别方法及系统， 能够合理、有效、方便的识别人的味觉感知信息。
本发明针对上述技术问题主要是通过下述技术方案得以解决的：一种基于 面部表面肌电信号的味觉感知识别方法，包括以下步骤：
S1、数据采集，在不同味觉刺激下，分别采集相应的刺激下表面肌电信号， 并进行放大和D/A转换；
S2、预处理，对步骤S1产生的数字化后的表面肌电信号样本进行预处理；
S3、模式识别，利用步骤S2产生的预处理后的数据进行模式识别，识别出 不同的味觉刺激模式。
本方案利用电极采集舌头受到味觉刺激时味觉感知神经相关的面部运动肌 肉及腺体相关肌肉的电位信号，经过数字化、信号处理与模式识别，获知所刺 激的酸甜苦咸鲜五种基本味觉及其复合味觉，即将味觉以一种可表征的形式采 集、处理并识别。
步骤S1中数据采集中，味觉刺激的方式为将刺激物放置于舌尖，味觉刺激 物包括但不限于固体、液体的味觉物质，或浸有液体味觉物质的试纸。
作为优选，所述步骤S2中的预处理包括数据扩充、滤波、数据筛选和特征 提取。
作为优选，所述数据筛选的标准如下：
Figure BDA0003047818790000031
其中，Maxi为第i个样本通道幅值的最大绝对值，Maxmedian为每个样本通 道中值滤波后幅值的最大绝对值，Fp为样本每个通道峰值频率，F50为同Fp最接 近的50Hz正整数倍频率值，Maxthreshold，Kthreshold，
Figure BDA0003047818790000032
为设定值，这三 个参数是基于肌电信号的特性得到的经验参数，Max表示了信号的最大值，K表 征了一段时间内信号幅值的变化幅度，Fd表征了信号受到工频干扰的程度。
数据筛选的目的为去除由于工频干扰、电磁干扰或肌肉无意义运动影响而 质量过低的无用样本。
作为优选，所述特征提取过程中，提取的特征以及提取方式具体为：
频谱特征：将频谱划分为13个频率区间，10Hz-100Hz部分每10Hz一个频 率区间，100Hz-500Hz每100Hz一个频率区间，计算每个区间的平均幅值，作为 频谱特征；
频域特征：包括频率重心Fc、均方根频率RMSF和频率标准差RVF，计算公 式如下：
Figure BDA0003047818790000033
Figure BDA0003047818790000034
Figure BDA0003047818790000035
f为频率，y(f)为频谱中f对应的幅值；
时域特征：包括均方根RMS、过零点率ZCR、整流平均值MAV、峰度Ku和偏 度Sk；其中过零点率表示时域下，信号曲线经过x轴的次数，也即信号时域序 列瞬时值符号改变的次数；RMS、MAV、Ku、Sk计算公式如下：
Figure BDA0003047818790000041
Figure BDA0003047818790000042
Figure BDA0003047818790000043
Figure BDA0003047818790000044
时频域特征：对信号进行4层db4小波包分解，针对16个底层节点，求每 个节点分解系数的均方值Energy和调和平均值MAV作为小波包分解特征；同时 计算16个节点Energy的熵，也作为小波包分解特征。
作为优选，所述步骤S2中，数据扩充采用划窗方式，窗长为L，滑动步长 为S，每个活动段获得M个滑动样本窗。L和S为经验参数，M由L和S计算得 出，
Figure BDA0003047818790000045
其中L0为数据段总长度。
作为优选，所述步骤S2中，滤波具体为：
S201、去除四阶多项式的趋势项；
S202、使用四阶截止频率为10Hz的Butterworth高通滤波器进行带通滤波；
S203、使用自适应工频陷波进行陷波。
作为优选，所述步骤S3中，采用交叉验证的结果为优化指标，针对特征集 进行超参数网格化搜索，并以搜索结果提供的超参数构建机器学习模型，以最 终交叉验证的结果为模型评价指标。
模式识别使用的方法包括但不限于传统机器学习方法支持向量机、随机森 林、XGBoost、k最近邻、朴素贝叶斯分类器等和隐马尔可夫、神经网络方法等。
一种基于面部表面肌电信号的味觉感知识别系统，运行有如上所述的基于 面部表面肌电信号的味觉感知识别方法，包括：
电极阵列，电极阵列包括至少2个电极，电极贴置于面部及面部周边，采 集味觉感知神经的电位信号；
信号放大模块，将采集的点位信号进行通过运放进行放大；
A/D转换模块，将采集到的模拟信号转换为数字信号；A/D转换模块的位数 至少为8；
信号通信模块，将数字信号通过有线或无线通信形式发送；有线通信包括 但不限于USB、串口、CAN，无线通信包括但不限于蓝牙、WiFi。
电极阵列是一组电位传感器，位于人体面部，获取相关电信号。电极阵列 通过信号线与信号放大模块连接。信号放大模块接收到电极阵列发出的电信号， 并对该电信号进行调理放大。A/D转换模块将模拟信号转换为数字信号，用于信 号处理和模式识别。模式识别模块包括对数字化后的表面肌电信号进行预处理 和模式识别，分类出味觉感知信息。
作为优选，所述电极阵列包括参考电极以及面部通道电极，面部通道电极 包含以下五类中的至少一类：第一区电极、第二区电极、第三区电极、第四区 电极、第五区电极；
第一区电极和第二区电极为单电极或相邻贴置的双电极，第一区电极位于 腮腺区域，第二区电极位于降口交肌、降下唇肌和颏肌区域；第三区电极、第 四区电极和第五区电极为单电极，第三区电极贴置在提上唇肌区域，第四区电 极贴置在笑肌区域，第五区电极贴置在降眉间肌区域；
参考电极包含至少一个电极，参考电极贴置在耳后或额头部位，采集面部 和颈部肌电信号的面部通道电极包含至少一个，一般为4-8个。电极为银/氯化 银表贴电极。
作为优选，所述信号放大模块对原始味觉感知引起的表面肌电信号的电位 放大，其放大倍数在10-1000之间，保留频率在0-500Hz之间的肌电信号。
本发明从面部提取有效的表面肌电信号，表征味觉感知信息，实现脑机接 口功能，能够利用本发明的系统和方法，分类出人品尝的不同基本味觉，从而 真实表征人体对味觉刺激的感知。
本发明的有益效果：
1、本发明通过解析表面肌电信号的信息，真实表征人体对味觉刺激的感知， 具有广泛的研究意义和应用前景。
2、用客观指标评价人的主观感受，实现了味觉的信息编码化，有利于对人 的味觉的进一步分析与研究。
附图说明
图1是本发明的一种基于面部表面肌电信号的味觉感知识别系统框架图；
图2是本发明的一种电极阵列分布图；
图3是本发明的一种信号采集装置框图；
图中：101为电极阵列，102为信号放大模块，103为A/D转换模块，104 为信号通信模块，207和208为参考电极，201.202.205和206为第一区电极， 203和204位第二区电极，301为电源模块，302为电压调理单元，303为放大 器，304为滤波器，305为A/D转换模块，306为处理器，307为信号通信模块。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案作进一步具体的说明。
实施例：一种基于面部表面肌电信号的味觉感知识别系统，如图1所示， 包括：
电极阵列101，电极阵列包含至少2个电极，贴置于面部，采集味觉感知引 起的面部电位信号；
信号放大模块102，将采集的点位信号进行通过运放进行放大；
A/D转换模块103，将采集到的模拟信号转换为数字信号；
信号通信模块104，将数字信号通过有线或无线通信形式发送。
本发明的基本思想是，利用电极采集味觉感知神经牵动的面部肌肉运动的 电位信号，经过信号处理与模式识别，获得味觉感知的信息。即为将味觉以一 种可表征的形式采集、处理并识别。
电极阵列是一组电位传感器，位于人体面部，获取相关电信号。电极阵列 通过信号线与信号采集模块连接。信号采集模块接收到电极阵列发出的电信号， 并对该电信号进行调理，包括模拟信号转换为数字信号以及电路滤波。信号分 析模块提取数字信号中有效特征，并进行模式识别，分类出味觉感知信息。电 极阵列通过信号线或以无线的方式将电信号传输至信号采集模块；信号采集模 块对电信号进行信号调理并做A/D转换，将数字信号发送给信号分析模块。
如图2所示，电极阵列共有10个电极，包括两个参考电极207、208和以 下三类电极：第一区电极201、202、205、206，第二区电极203、204。
第一区电极为两个双电极和两个单电极，两个双电极贴置在右侧腮腺处， 两个单电极贴置在左侧腮腺处，第二区电极为两个单电极，贴置在降口交肌、 降下唇肌和颏肌区域。
参考电极207、208分别贴置在左右耳后。
电极阵列的电极均为银/氯化银表贴电极。
如图3所示，信号采集装置包括电源模块301、电压调理单元302、放大器 303、滤波器304、A/D转换模块305、处理器306、信号通信模块307。其中放 大器为信号放大模块，对原始味觉感知引起的表面肌电信号的电位放大，其放 大倍数为32，保留频率在10～500Hz之间的肌电信号。A/D转换模块的位数为16。
以针对白醋、白砂糖、咖啡粉、精盐、味精提供的味觉刺激感知进行识别 为例，详细说明本发明的一种基于面部表面肌电信号的味觉感知识别方法，包 括以下步骤：
S1：数据采集，在不同味觉刺激下，分别采集相应的刺激下表面肌电信号， 并进行放大和D/A转换，用于信号处理。
S2：预处理，对步骤S1产生的数字化后的表面肌电信号样本进行预处理， 包括但不限于数据扩充、滤波、数据筛选、特征提取，特征提取非必需。
S3：模式识别，利用步骤S2产生的预处理后的数据进行模式识别，识别出 不同的味觉刺激模式。
所述步骤S1中，采集味觉刺激下的表面肌电信号的基本流程如下：
S101：被试者洁净面部，可用酒精对面部进一步清洁，粘贴表贴电极。
S102：初始化sEMG采集系统，并准备不同的味觉刺激物。
S103：被试者闭眼放松，开始采集并记录无味觉数据。数据采集持续12秒。
S104：将味觉刺激物放置在被试者舌尖，被试者闭眼放松，全身心感受舌 尖的味道。同时采集并记录数据。数据采集持续12秒。
S105：被试者用清水漱口，休息一段时间。
S106：分别用其他味觉刺激物，重复步骤4-5。
S107：重复步骤3-6若干次。
所述步骤S2中，将表面肌电信号(长12s)采用滑窗方法进行样本扩充， 设置窗长为L，滑动步长为S，每个活动段可获得M个滑动样本窗。示例性地， L＝1s，S＝0.25s，M＝45。
所述步骤S2中，依次进行去除趋势项，带通滤波和陷波。其中去除四阶多 项式的趋势项，带通滤波使用四阶截止频率10Hz的Butterworth高通滤波器， 陷波使用自适应工频陷波。
所述S2步骤中数据筛选目的为去除由于工频干扰、电磁干扰或肌肉无意义 运动影响而质量过低的无用样本。数据筛选的标准如下：
Figure BDA0003047818790000081
其中，Max为每个样本通道幅值的最大绝对值，Maxmedian为每个样本通道 中值滤波后幅值的最大绝对值，Fp为样本每个通道峰值频率，F50为同Fp最接近 的50Hz正整数倍频率值，Maxthreshold，Kthreshold，
Figure BDA0003047818790000091
为设定值。示例性 地，Maxthreshold＝2000μV，Kthreshold＝5，
Figure BDA0003047818790000092
所述步骤S2中，提取以下特征：
频谱特征：频谱划分为13个频率区间，10-100Hz部分每10Hz一个频率区间， 100-500Hz每100Hz一个频率区间，计算每个区间的平均幅值，作为频谱特征。
频域特征：频率重心(Fc)、均方根频率(RMSF)、频率标准差(RVF)，计算 公式如下：
Figure BDA0003047818790000093
Figure BDA0003047818790000094
Figure BDA0003047818790000095
时域特征：均方根(RMS)，过零点率(ZCR)，整流平均值(MAV)，峰度(Ku)， 偏度(Sk)。其中过零点率表示时域下，信号曲线经过x轴的次数，也即信号时 域序列瞬时值符号改变的次数。RMS、MAV、Ku、Sk计算公式如下：
Figure BDA0003047818790000096
Figure BDA0003047818790000097
Figure BDA0003047818790000098
Figure BDA0003047818790000099
时频域特征(小波包分解特征)：对信号进行4层db4小波包分解，针对16 个底层节点，求每个节点分解系数的均方值(Energy)和调和平均值(MAV)作 为小波包分解特征。同时计算16个节点Energy的熵(entropy)，也作为小波 包分解特征。
所述步骤S3中，在以上特征构成的特征集上，以20折交叉验证的准确率 为优化指标，采用网格化搜索优化支持向量机(SVM)的超参数。示例性地，核 函数选择rbf，C为8.0，gamma为0.0039。
本实例的识别效果：
以针对白醋、白砂糖、咖啡粉、精盐、味精提供的味觉刺激感知进行识别 为例，采用本发明的方法进行五种基本味觉和无刺激的识别，六分类准确率为 62.08％，显著高于随机区分，证明本发明方法可用于味觉检测。同时由于表面 肌电信号所反映的神经活动特性不仅含有味觉刺激物的组成、分布和比例等传 统味觉物质检测获取的信息，也含有人体生理、心理状态等其他信息，因此表 面肌电信号用于实现味觉感知识别可行。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属 技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采 用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定 义的范围。
尽管本文较多地使用了预处理、模式识别等术语，但并不排除使用其它术 语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把 它们解释成任何一种附加的限制都是与本发明精神相违背的。

Claims (10)

1.一种基于面部表面肌电信号的味觉感知识别方法，其特征在于，包括以下步骤：
S1、数据采集，在不同味觉刺激下，分别采集相应的刺激下表面肌电信号，并进行放大和D/A转换；
S2、预处理，对步骤S1产生的数字化后的表面肌电信号样本进行预处理；
S3、模式识别，利用步骤S2产生的预处理后的数据进行模式识别，识别出不同的味觉刺激模式。
2.根据权利要求1所述的一种基于面部表面肌电信号的味觉感知识别方法，其特征在于，所述步骤S2中的预处理包括数据扩充、滤波、数据筛选和特征提取。
3.根据权利要求2所述的一种基于面部表面肌电信号的味觉感知识别方法，其特征在于，所述数据筛选的标准如下：
Figure FDA0003047818780000011
其中，Maxi为第i个样本通道幅值的最大绝对值，Maxmedian为每个样本通道中值滤波后幅值的最大绝对值，Fp为样本每个通道峰值频率，F50为同Fp最接近的50Hz正整数倍频率值，Maxthreshold，Kthreshold，
Figure FDA0003047818780000012
为设定值。
4.根据权利要求2所述的一种基于面部表面肌电信号的味觉感知识别方法，其特征在于，所述特征提取过程中，提取的特征以及提取方式具体为：
频谱特征：将频谱划分为13个频率区间，10Hz-100Hz部分每10Hz一个频率区间，100Hz-500Hz每100Hz一个频率区间，计算每个区间的平均幅值，作为频谱特征；
频域特征：包括频率重心Fc、均方根频率RMSF和频率标准差RVF，计算公式如下：
Figure FDA0003047818780000021
Figure FDA0003047818780000022
Figure FDA0003047818780000023
f为频率，y(f)为频谱中f对应的幅值；
时域特征：包括均方根RMS、过零点率ZCR、整流平均值MAV、峰度Ku和偏度Sk；其中过零点率表示时域下，信号曲线经过x轴的次数，也即信号时域序列瞬时值符号改变的次数；RMS、MAV、Ku、Sk计算公式如下：
Figure FDA0003047818780000024
Figure FDA0003047818780000025
Figure FDA0003047818780000026
Figure FDA0003047818780000027
时频域特征：对信号进行4层db4小波包分解，针对16个底层节点，求每个节点分解系数的均方值Energy和调和平均值MAV作为小波包分解特征；同时计算16个节点Energy的熵，也作为小波包分解特征。
5.根据权利要求2所述的一种基于面部表面肌电信号的味觉感知识别方法，其特征在于，所述步骤S2中，数据扩充采用划窗方式，窗长为L，滑动步长为S，每个活动段获得M个滑动样本窗。
6.根据权利要求2或5所述的一种基于面部表面肌电信号的味觉感知识别方法，其特征在于，所述步骤S2中，滤波具体为：
S201、去除四阶多项式的趋势项；
S202、使用四阶截止频率为10Hz的Butterworth高通滤波器进行带通滤波；
S203、使用自适应工频陷波进行陷波。
7.根据权利要求1所述的一种基于面部表面肌电信号的味觉感知识别方法，其特征在于，所述步骤S3中，采用交叉验证的结果为优化指标，针对特征集进行超参数网格化搜索，并以搜索结果提供的超参数构建机器学习模型，以最终交叉验证的结果为模型评价指标。
8.一种基于面部表面肌电信号的味觉感知识别系统，其特征在于，运行有如权利要求1所述的基于面部表面肌电信号的味觉感知识别方法，包括：
电极阵列，电极阵列包括至少2个电极，电极贴置于面部及面部周边，采集味觉感知神经的电位信号；
信号放大模块，将采集的点位信号进行通过运放进行放大；
A/D转换模块，将采集到的模拟信号转换为数字信号；
信号通信模块，将数字信号通过有线或无线通信形式发送。
9.根据权利要求8所述的一种基于面部表面肌电信号的味觉感知识别系统，其特征在于，所述电极阵列包括参考电极以及面部通道电极，面部通道电极包含以下五类中的至少一类：第一区电极、第二区电极、第三区电极、第四区电极、第五区电极；
第一区电极和第二区电极为单电极或相邻贴置的双电极，第一区电极位于腮腺区域，第二区电极位于降口交肌、降下唇肌和颏肌区域；第三区电极、第四区电极和第五区电极为单电极，第三区电极贴置在提上唇肌区域，第四区电极贴置在笑肌区域，第五区电极贴置在降眉间肌区域；
参考电极包含至少一个电极，参考电极贴置在耳后或额头部位，采集信号电极包含至少一个。
10.根据权利要求8所述的一种基于面部表面肌电信号的味觉感知识别系统，其特征在于，所述信号放大模块对原始味觉感知引起的表面肌电信号的电位放大，其放大倍数在10-1000之间，保留频率在0-500Hz之间的肌电信号。
CN202110477497.6A 2021-04-30 2021-04-30 一种基于面部表面肌电信号的味觉感知识别方法及系统 Pending CN113303816A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110477497.6A CN113303816A (zh) 2021-04-30 2021-04-30 一种基于面部表面肌电信号的味觉感知识别方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110477497.6A CN113303816A (zh) 2021-04-30 2021-04-30 一种基于面部表面肌电信号的味觉感知识别方法及系统

Publications (1)

Publication Number Publication Date
CN113303816A true CN113303816A (zh) 2021-08-27

Family

ID=77371247

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110477497.6A Pending CN113303816A (zh) 2021-04-30 2021-04-30 一种基于面部表面肌电信号的味觉感知识别方法及系统

Country Status (1)

Country Link
CN (1) CN113303816A (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106774906A (zh) * 2016-12-22 2017-05-31 南京邮电大学 一种基于情绪识别的康复机器人交互控制方法
US20170251985A1 (en) * 2016-02-12 2017-09-07 Newton Howard Detection Of Disease Conditions And Comorbidities
CN107169432A (zh) * 2017-05-09 2017-09-15 深圳市科迈爱康科技有限公司 基于肌电的生物识别方法、终端及计算机可读存储介质
US20180188224A1 (en) * 2015-07-03 2018-07-05 Centre Scientifique Et Technique Du Batiment (Cstb) Method for constructing a sensory space
CN109077726A (zh) * 2018-10-29 2018-12-25 博睿康科技（常州）股份有限公司 一种肌电检测装置与肌电识别方法
CN111387978A (zh) * 2020-03-02 2020-07-10 北京海益同展信息科技有限公司 一种表面肌电信号的动作段检测方法、装置、设备及介质
CN111476295A (zh) * 2020-04-07 2020-07-31 金陵科技学院 一种基于gs-lssvm的多通道生理信号体感姿势识别方法
CN112511313A (zh) * 2020-11-25 2021-03-16 南京邮电大学 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180188224A1 (en) * 2015-07-03 2018-07-05 Centre Scientifique Et Technique Du Batiment (Cstb) Method for constructing a sensory space
US20170251985A1 (en) * 2016-02-12 2017-09-07 Newton Howard Detection Of Disease Conditions And Comorbidities
CN106774906A (zh) * 2016-12-22 2017-05-31 南京邮电大学 一种基于情绪识别的康复机器人交互控制方法
CN107169432A (zh) * 2017-05-09 2017-09-15 深圳市科迈爱康科技有限公司 基于肌电的生物识别方法、终端及计算机可读存储介质
CN109077726A (zh) * 2018-10-29 2018-12-25 博睿康科技（常州）股份有限公司 一种肌电检测装置与肌电识别方法
CN111387978A (zh) * 2020-03-02 2020-07-10 北京海益同展信息科技有限公司 一种表面肌电信号的动作段检测方法、装置、设备及介质
CN111476295A (zh) * 2020-04-07 2020-07-31 金陵科技学院 一种基于gs-lssvm的多通道生理信号体感姿势识别方法
CN112511313A (zh) * 2020-11-25 2021-03-16 南京邮电大学 一种远程医疗系统中基于味觉诱发脑电信号的身份识别方法

Similar Documents

Publication Publication Date Title
Stepp Surface electromyography for speech and swallowing systems: measurement, analysis, and interpretation
CN100594858C (zh) 一种脑电肌电联合控制的电动假手的控制方法
JP2019528104A (ja) 生体信号のモニタリングのための耳内感知システムおよび方法
CN110584660B (zh) 基于脑源成像与相关性分析的电极选择方法
CN111544015B (zh) 基于认知力的操控工效分析方法、设备及系统
CN111598451B (zh) 基于任务执行能力的操控工效分析方法、设备及系统
CN110946576A (zh) 一种基于宽度学习的视觉诱发电位识别情绪方法
CN115640827B (zh) 对电刺激数据处理的智能闭环反馈网络方法及系统
CN106510702B (zh) 基于中潜伏期听觉诱发电位的听觉注意特征提取、识别系统及方法
Jiang et al. Facial expression recognition with sEMG method
CN112806994A (zh) 一种基于生理信号预测个体压力应对方式的系统和方法
CN116013470B (zh) 一种睡眠行为活跃水平动态调节的方法、系统和装置
CN114648040A (zh) 生命体征多生理信号提取、融合分析方法
CN113633260A (zh) 多导睡眠监测方法、监测仪、计算机设备及可读存储介质
CN114145755B (zh) 一种居家癫痫发作交互式智能监护系统及方法
CN105854147A (zh) 一种智能家庭环境调控系统及方法
CN201227336Y (zh) 一种脑电肌电联合控制的电动假手
CN113303816A (zh) 一种基于面部表面肌电信号的味觉感知识别方法及系统
CN110569968B (zh) 基于电生理信号的创业失败恢复力评估方法及评估系统
CN111671421A (zh) 一种基于脑电图的儿童需求感知方法
CN110051351A (zh) 咬牙信号获取方法以及电子设备的控制方法及装置
CN114052662B (zh) 一种结合大脑、小脑脑电和肌电整合分析睡眠分期的方法
CN113064493A (zh) 一种基于脑电信号的无人机紧急状况检测方法与系统
Carnevale Machine learning algorithms for facial gesture recognition: a first analysis based on event-driven sEMG acquisition
Belgacem et al. ECG based human identification using random forests

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20210827