CN113378761B - 基于rsvp与电刺激手套的射击运动员反应训练系统及方法 - Google Patents
基于rsvp与电刺激手套的射击运动员反应训练系统及方法 Download PDFInfo
- Publication number
- CN113378761B CN113378761B CN202110710805.5A CN202110710805A CN113378761B CN 113378761 B CN113378761 B CN 113378761B CN 202110710805 A CN202110710805 A CN 202110710805A CN 113378761 B CN113378761 B CN 113378761B
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- training
- shooting
- shooter
- rsvp
- 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
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G06F3/014—Hand-worn input/output arrangements, e.g. data gloves
-
- 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
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Dermatology (AREA)
- General Health & Medical Sciences (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供一种基于RSVP与电刺激手套的射击运动员反应训练系统,其包括上位机组件和下位机组件;上位机组件包括脑电采集单元、信号处理单元及反应训练单元;下位机组件包括微控制单元MCU、电刺激发生器及电刺激手套,上位机组件和下位机组件通信连接;还提供了一种使用该射击运动员反应训练系统的训练方法,根据射击运动员反应训练系统得到的射击运动员的脑电信号提取的特征、SVM识别结果和手部弯曲角度信息指标建立了射击运动员反应训练模型,利用模型对射击运动员的训练效果做出评估。本发明利用快速序列图像呈现技术与电刺激手套辅助射击运动员进行反应速度训练,可以节约训练成本,提高训练效率,对射击运动员的训练效果做出准确评估。
Description
技术领域
本发明涉及目标识别领域,具体涉及一种基于RSVP与电刺激手套的射击运动员反应训练系统及方法。
背景技术
在飞碟射击比赛中,当飞碟出现时,射击运动员能否快速反应,对成绩的好坏有着十分重要的影响,现有的射击运动员反应速度训练,一是利用突然发出的信号提高射击运动员对简单信号的反应速度。如利用光、声(鼓掌)信号让射击运动员做出相应的反应动作。这种训练手段对初学者效果是显着的。对有一定训练水平的射击运动员来说效果较差。另一种是运用电子技术做信号,但是训练的时间长,效率低。
因此,基于快速序列图像呈现技术与电刺激手套结合的提高射击运动员反应速度的系统和方法成为研究方向。
发明内容
针对现有技术的不足,本发明提供一种基于快速序列图像呈现技术与电刺激手套结合的提高射击运动员反应速度的系统和方法,利用快速序列图像呈现技术与电刺激手套辅助射击运动员进行反应速度训练,可以节约训练成本,提高训练效率,对射击运动员的训练效果做出准确评估。
本发明的一个方式的基于RSVP与电刺激手套的射击运动员反应训练系统,包括上位机组件和下位机组件,所述上位机组件和所述下位机组件通信连接。
所述上位机组件包括脑电采集单元、信号处理单元及反应训练单元;所述脑电采集单元包括脑电帽、脑电信号放大器及脑电信号采集软件;所述脑电帽佩戴于射击运动员头部;所述脑电信号放大器设置于脑电帽上;所述脑电采集软件、信号处理单元及反应训练单元均设置在主控计算机上;所述脑电信号放大器与脑电帽电连接,所述脑电信号放大器与主控计算机通信连接;所述信号处理单元包括预处理模块、特征提取模块及分类识别模块;所述反应训练单元用于通过射击运动员脑电信号经过预处理之后提取的特征结果、提取特征的分类识别的结果和手部弯曲角度信息对射击运动员的训练效果做出评估。
所述下位机组件包括微控制单元MCU、电刺激发生器及电刺激手套;所述电刺激手套包括手套主体、电极贴片与手部弯曲角度传感器;所述微控制单元MCU安装在所述电刺激手套手背内侧,所述电刺激发生器、所述电极贴片与所述手部弯曲角度传感器安装在所述电刺激手套食指上;所述微控制单元MCU与电刺激发生器电连接,所述电刺激发生器与电极贴片电连接。
进一步地,所述脑电信号放大器设置于所述脑电帽尾端的凹槽处。
进一步地,所述通信连接通过蓝牙完成。
进一步地,所述脑电帽采集的脑电信号为弱小目标识别产生的脑电信号。
本发明的一个方式的使用所述训练系统的射击运动员反应训练方法,包括以下步骤:
步骤1、进行训练前准备工作;
射击运动员佩戴脑电帽,将脑电信号放大器、电刺激手套分别通过蓝牙与主控计算机相连;
步骤2、射击运动员开始射击,脑电信号采集软件根据快速序列视觉呈现RSVP实验标准采集射击运动员所有通道的脑电信号,得到RSVP图像集;
步骤3、对采集到的脑电信号RSVP图像集进行预处理;
步骤4、对预处理后的脑电信号进行特征提取,并发送到反应训练单元;
步骤5、利用SVM算法对脑电信号提取后的特征进行分类识别,得到SVM识别结果并传输到微控制单元MCU及反应训练单元;
步骤6、MCU接收到数据后,发送刺激指令给电刺激发生器,电刺激发生器控制电极贴片产生电刺激,射击运动员受到电刺激之后,做出射击动作,手部弯曲角度传感器采集射击运动员的手部运动信息并发送到反应训练单元;
步骤7:反应训练单元根据射击运动员的脑电信号提取的特征、SVM识别结果、手部弯曲角度信息指标建立射击运动员反应训练模型:
其中,t为时间;Mt为任意t时刻目标特征的值,Nt为任意t时刻非目标特征的值,Mt的绝对值与Nt的绝对值的差值的绝对值越大证明脑电特征越明显;SVMt为t时刻SVM识别结果,当SVMt=1时,射击运动员识别到正确目标;SWQt为t时刻手指弯曲角度信息,当SWQt=1时,射击运动员有射击动作;
步骤8:根据建立的射击运动员反应训练模型,对射击运动员的训练效果做出评估,进行训练;
若任意t时刻反应训练模型中特征明显、射击运动员识别到正确目标且进行了射击动作,则评估射击运动员训练效果较好,能够停止训练,否则评估训练效果不达标需继续进行训练。
进一步地,所述步骤2中快速序列视觉呈现RSVP实验标准为脑电采样频率为1000Hz,脑电采集实验格式为RSVP实验,采集通道为64全通道,图像呈现速率为1秒钟10张。
进一步地,所述步骤3具体为:
步骤31、选取目标图片出现后1秒内的数据;
步骤32、将数据降采样到128HZ,再去除基线漂移;
步骤33、通过自适应陷波去除50HZ工频干扰;
步骤34、通过0.1-30Hz的带通滤波提取有效脑电信号,得到预处理后的脑电信号。
进一步地,所述步骤4具体为:
步骤41、将预处理后的脑电信号进行归一化处理;
步骤42、利用快速傅里叶变换的方法提取脑电信号在1-64HZ频段上的功率谱密度特征;
步骤43、将每个通道的数据都使用没有重叠的窗长为0.25秒的Hamming窗提取64个功率谱密度特征;
步骤44、利用PCA算法对采集到的特征进行降维处理,筛选出主要的特征;
步骤45、将筛选出主要的特征发送到射击运动员反应训练系统反应训练单元。
本发明的效果如下:
1、利用快速序列图像呈现技术与电刺激手套辅助射击运动员进行反应速度训练,可以节约训练成本,提高训练效率;
2、根据射击运动员的脑电信号提取的特征、SVM识别结果、手部弯曲角度信息指标建立射击运动员反应训练模型,对射击运动员的训练效果做出准确评估,提高训练效率。
附图说明
图1是本发明方法提出的系统原理图;
图2是本发明方法的脑电帽图通道图;
图3是本发明方法的实施流程图。
具体实施方式
为详尽本发明之技术内容、结构特征、所达成目的及功效,以下将结合说明书附图对本发明的一种实施方式进行说明。
下面将结合附图1-图3,对本发明所提出的技术方案进行完整详细的说明。如图1所示,本发明提出一种基于RSVP与电刺激手套的射击运动员反应训练系统及方法,系统包括上位机系统和下位机系统,上位机系统包括脑电采集装置,脑电信号处理、射击运动员反应训练系统。下位机系统包括MCU、电刺激发生器、可穿戴电刺激手套。
使用训练系统的射击运动员反应训练方法包括以下步骤:
步骤1:为射击运动员佩戴脑电帽并涂抹脑电膏,将脑电信号放大器与脑电采集装置连接,接通电刺激手套并通过蓝牙与上位机相连。
步骤2:射击运动员开始射击训练,打开脑电信号采集软件,根据测试要求对软件参数进行设置。本实验为快速序列视觉呈现实验,脑电采样频率为1000Hz,设置脑电采集实验格式为RSVP实验,采集通道为64全通道。设置图像呈现速率为一秒钟十张。
步骤3:进行RSVP图像集测试,采集射击运动员所有通道的脑电信号,选取目标图片出现1秒后的数据,降采样到128HZ之后去除基线漂移,利用自适应陷波去除50HZ工频干扰,通过0.1-30Hz的带通滤波提取有效脑电信号;
步骤4:将预处理后的脑电信号进行归一化处理,利用快速傅里叶变换的方法提取脑电信号在1-64HZ频段上的功率谱密度特征。将每个通道的数据都使用没有重叠的窗长为0.25秒的Hamming窗提取64个功率谱密度特征。进而利用PCA算法对采集到的特征进行降维处理,筛选出主要的特征,并发送到射击运动员反应训练系统。
步骤5:利用SVM算法对提取后的特征分类,并将分类结果通过蓝牙传输到MCU。
步骤6:MCU接收到数据后,发送刺激指令给电刺激发生器,电刺激发生器控制电极贴片产生电刺激,射击运动员受到电刺激之后,做出射击动作,手部弯曲角度传感器采集射击运动员的手部运动信息并发送到射击运动员反应训练系统。
步骤7:反应训练单元根据射击运动员的脑电信号提取的特征、SVM识别结果、手部弯曲角度信息指标建立射击运动员反应训练模型:
其中,t为时间;Mt为任意t时刻目标特征的值,Nt为任意t时刻非目标特征的值,Mt的绝对值与Nt的绝对值的差值的绝对值越大证明脑电特征越明显;SVMt为t时刻SVM识别结果,当SVMt=1时,射击运动员识别到正确目标;SWQt为t时刻手指弯曲角度信息,当SWQt=1时,射击运动员有射击动作;
步骤8:射击运动员反应训练系统根据射击运动员的脑电信号提取的特征、SVM识别结果、手部弯曲角度信息等指标对射击运动员的训练效果做出评估。
脑电提取的特征可以呈现出射击运动员在进行目标识别时的注意力集中情况,脑电特征越明显,说明射击运动员的注意力越集中,专注度更高。SVM识别结果可以判断射击运动员是否识别到正确目标。判别结果为1,说明识别到目标,判别结果为0,说明射击运动员为识别到目标,手指弯曲角度信息可以反映射击运动员识别到目标时,是否有射击动作。若特征明显、射击运动员果识别到正确目标且进行了射击动作,说明射击运动员训练效果较好,否则继续进行训练。
本发明的设计思路为:通过RSVP与可穿戴电刺激手套辅助射击运动员提高反应速度。脑电采集装置实时采集射击运动员进行弱小目标识别时产生的信号,将信号经过预处理、特征提取、分类识别之后,将提取的特征和识别结果发送到射击运动员反应训练系统,并将分类结果通过蓝牙发送给MCU,MCU发送刺激指令给电刺激发生器,控制电极贴片产生电刺激,射击运动员接受到电刺激后进行射击动作,手部弯曲角度传感器采集手部运动信息并发送到射击运动员反应训练系统,射击运动员反应训练系统根据指标对训练效果做出评估。具体流程如图3所示,其具体方案如下:
选取一个安静舒适没有外界干扰的环境,射击运动员坐于电脑屏幕前约一米。将脑电信号放大器安置于脑电帽尾端插槽处,打开脑电信号放大器并与脑电信号采集软件相连接。为射击运动员佩戴脑电帽并涂抹脑电膏,如图2所示,本发明采集全部64个脑电通道的脑电信号,同时接通可穿戴电刺激手套电源,通过蓝牙与上位机相连,为射击运动员穿戴电刺激手套。
打开脑电采集软件,本发明利用Neuracle软件作为脑电采集软件,根据实验需要设置软件参数。本实验为快速序列视觉呈现实验,脑电采样频率为1000Hz,设置脑电采集实验格式为RSVP实验,采集通道为64全通道。设置图像呈现速率为一秒钟十张。
脑电信号采集:如图2所示,脑电信号采集选用64导无线脑电采集系统,电极位置利用国际标准10—20电极导联定位,参考电极设于头部中央区,脑电信号放大器的采样频率为1000HZ,脑电采集通道为全部的64个通道。微控制单元安装在射击运动员右手手背处,电刺激发生器安装在右手食指上。
测试阶段实验范式:选取安静舒适无外界干扰的实验环境,射击运动员佩戴脑电采集装置和可穿戴电刺激手套,保持身体处于放松状态,测试过程中避免出现眼动以及其他的身体动作。要求射击运动员根据屏幕提示进行弱小目标识别任务。首先,屏幕出现读秒字幕,提示射击运动员集中注意力即将开始弱小目标识别。此过程持续三秒时间,第三秒时,屏幕中央出现开始字样,射击运动员集中注意力注视屏幕中快速呈现的图片集,持续过程为5秒,5秒过后图片集呈现结束,射击运动员进行的弱小目标辨别测试结束。
脑电信号预处理:截取目标图片出现后1秒内的数据进行处理,首先将截取到的脑电信号进行128HZ降采样并去除基线漂移,利用自适应滤波去除50HZ工频干扰。最后通过0.1-30Hz的带通滤波提取有效脑电信号。
特征提取与分类识别:对预处理后的脑电信号X进行归一化处理,使处理后的脑电信号X*符合均值为0,标准差为1的正态分布,首先将原本的三维(采样点×通道数×样本)的频段信号X经过转换成为二维(采样点×通道数,样本)数据X',计算其中二维数据X'按列进行计算,μ代表X'的每一列数据的均值,σ代表X'的每一列数据的方差。最后将X*还原成为X的格式,即数据的维度仍为三维(采样点×通道数×样本)。
在数据归一化处理之后,利用快速傅里叶变换的方法提取脑电信号在1-64HZ频段上的功率谱密度特征。将每个通道的信号都使用没有重叠的窗长为0.25秒的Hamming窗提取64个功率谱密度特征。进而利用PCA算法对采集到的特征进行降维处理,筛选出主要的特征并发送到射击运动员反应训练系统。
利用SVM算法对提取的特征进行分类识别,并将识别结果发送给射击运动员反应训练系统,同时识别结果通过蓝牙模块发送给MCU。MCU接收到数据后,发送刺激指令给电刺激发生器,电刺激发生器控制电极贴片产生电刺激,射击运动员受到电刺激之后,做出射击动作,手部弯曲角度传感器采集射击运动员的手部运动信息并发送到射击运动员反应训练系统。
射击运动员反应训练系统反应训练单元根据射击运动员的脑电信号提取的特征、SVM识别结果、手部弯曲角度信息指标建立射击运动员反应训练模型:
其中,t为时间;Mt为任意t时刻目标特征的值,Nt为任意t时刻非目标特征的值,Mt的绝对值与Nt的绝对值的差值的绝对值越大证明脑电特征越明显;SVMt为t时刻SVM识别结果,当SVMt=1时,射击运动员识别到正确目标;SWQt为t时刻手指弯曲角度信息,当SWQt=1时,射击运动员有射击动作;
射击运动员反应训练系统建立的射击运动员反应训练模型,对射击运动员的训练效果做出评估,进行训练;脑电提取的特征能够呈现出射击运动员在进行目标识别时的注意力集中情况,脑电特征越明显,说明射击运动员的注意力越集中,专注度更高。SVM识别结果可以判断射击运动员是否识别到正确目标。判别结果为1,说明识别到目标,判别结果为0,说明射击运动员为识别到目标,手指弯曲角度信息可以反映射击运动员识别到目标时,是否有射击动作。若特征明显、射击运动员果识别到正确目标且进行了射击动作,说明射击运动员训练效果较好,否则继续进行训练。从而有效提高射击运动员的反应速度,以此实现一种基于RSVP与电刺激手套的射击运动员反应训练系统及方法。
在多个测试案例中发现,结合视觉与电刺激的触觉回馈可有效提升距离感知准确性约2.5倍,进而能精准控制射击运动员手指的弯曲约73%,实现更加准确的射击。
以上所述的实施例仅是对本发明的优选实施方式进行描述,并非对本发明的范围进行限定,在不脱离本发明设计精神的前提下,本领域普通技术人员对本发明的技术方案做出的各种变形和改进,均应落入本发明权利要求书确定的保护范围内。
Claims (8)
1.一种基于RSVP与电刺激手套的射击运动员反应训练系统,其特征在于,其包括上位机组件和下位机组件,所述上位机组件和所述下位机组件通信连接;
所述上位机组件包括脑电采集单元、信号处理单元及反应训练单元;所述脑电采集单元包括脑电帽、脑电信号放大器及脑电信号采集软件;所述脑电帽佩戴于射击运动员头部;所述脑电信号放大器设置于脑电帽上;所述脑电信号采集软件、信号处理单元及反应训练单元均设置在主控计算机上;所述脑电信号放大器与脑电帽电连接,所述脑电信号放大器与主控计算机通信连接;脑电信号采集软件根据快速序列视觉呈现RSVP实验标准采集射击运动员所有通道的脑电信号,得到RSVP图像集;所述信号处理单元包括预处理模块、特征提取模块及分类识别模块;所述反应训练单元用于通过射击运动员脑电信号经过预处理之后提取的特征结果、提取特征的分类识别的结果和手部弯曲角度信息对射击运动员的训练效果做出评估;
所述下位机组件包括微控制单元MCU、电刺激发生器及电刺激手套;所述电刺激手套包括手套主体、电极贴片与手部弯曲角度传感器;所述微控制单元MCU安装在所述电刺激手套手背内侧,所述电刺激发生器、所述电极贴片与所述手部弯曲角度传感器安装在所述电刺激手套食指上;所述微控制单元MCU与电刺激发生器电连接,所述电刺激发生器与电极贴片电连接。
2.根据权利要求1所述的基于RSVP与电刺激手套的射击运动员反应训练系统,其特征在于,所述脑电信号放大器设置于所述脑电帽尾端的凹槽处。
3.根据权利要求1所述的基于RSVP与电刺激手套的射击运动员反应训练系统,其特征在于,所述通信连接通过蓝牙完成。
4.根据权利要求1所述的基于RSVP与电刺激手套的射击运动员反应训练系统,其特征在于,所述脑电帽采集的脑电信号为弱小目标识别产生的脑电信号。
5.一种使用权利要求1所述系统的射击运动员反应训练方法,其特征在于,其包括以下步骤:
步骤1、进行训练前准备工作;
射击运动员佩戴脑电帽,将脑电信号放大器、电刺激手套分别通过蓝牙与主控计算机相连;
步骤2、射击运动员开始射击,脑电信号采集软件根据快速序列视觉呈现RSVP实验标准采集射击运动员所有通道的脑电信号,得到RSVP图像集;
步骤3、对采集到的脑电信号RSVP图像集进行预处理;
步骤4、对预处理后的脑电信号进行特征提取,并发送到反应训练单元;
步骤5、利用SVM算法对脑电信号提取后的特征进行分类识别,得到SVM识别结果并传输到微控制单元MCU及反应训练单元;
步骤6、MCU接收到数据后,发送刺激指令给电刺激发生器,电刺激发生器控制电极贴片产生电刺激,射击运动员受到电刺激之后,做出射击动作,手部弯曲角度传感器采集射击运动员的手部运动信息并发送到反应训练单元;
步骤7:反应训练单元根据射击运动员的脑电信号提取的特征、SVM识别结果、手部弯曲角度信息指标建立射击运动员反应训练模型:
其中,t为时间;Mt为任意t时刻目标特征的值,Nt为任意t时刻非目标特征的值,Mt的绝对值与Nt的绝对值的差值的绝对值越大证明脑电特征越明显;SVMt为t时刻SVM识别结果,当SVMt=1时,射击运动员识别到正确目标;SWQt为t时刻手指弯曲角度信息,当SWQt=1时,射击运动员有射击动作;
步骤8:根据建立的射击运动员反应训练模型,对射击运动员的训练效果做出评估,进行训练;
若任意t时刻反应训练模型中特征明显、射击运动员识别到正确目标且进行了射击动作,则评估射击运动员训练效果较好,能够停止训练,否则评估训练效果不达标需继续进行训练。
6.根据权利要求5所述的方法,其特征在于,所述步骤2中快速序列视觉呈现RSVP实验标准为脑电采样频率为1000Hz,脑电采集实验格式为RSVP实验,采集通道为64全通道,图像呈现速率为1秒钟10张。
7.根据权利要求5所述的方法,其特征在于,所述步骤3具体为:
步骤31、选取目标图片出现后1秒内的数据;
步骤32、将数据降采样到128HZ,再去除基线漂移;
步骤33、通过自适应陷波去除50HZ工频干扰;
步骤34、通过0.1-30Hz的带通滤波提取有效脑电信号,得到预处理后的脑电信号。
8.根据权利要求5所述的方法,其特征在于,所述步骤4具体为:
步骤41、将预处理后的脑电信号进行归一化处理;
步骤42、利用快速傅里叶变换的方法提取脑电信号在1-64HZ频段上的功率谱密度特征;
步骤43、将每个通道的数据都使用没有重叠的窗长为0.25秒的Hamming窗提取64个功率谱密度特征;
步骤44、利用PCA算法对采集到的特征进行降维处理,筛选出主要的特征;
步骤45、将筛选出主要的特征发送到射击运动员反应训练系统反应训练单元。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110710805.5A CN113378761B (zh) | 2021-06-25 | 2021-06-25 | 基于rsvp与电刺激手套的射击运动员反应训练系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110710805.5A CN113378761B (zh) | 2021-06-25 | 2021-06-25 | 基于rsvp与电刺激手套的射击运动员反应训练系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113378761A CN113378761A (zh) | 2021-09-10 |
CN113378761B true CN113378761B (zh) | 2022-08-05 |
Family
ID=77579104
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110710805.5A Active CN113378761B (zh) | 2021-06-25 | 2021-06-25 | 基于rsvp与电刺激手套的射击运动员反应训练系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378761B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010106435A1 (en) * | 2009-03-20 | 2010-09-23 | Pub Company S.R.L. | Video game hardware systems and software methods using electroencephalography |
CN103185481A (zh) * | 2012-11-20 | 2013-07-03 | 胡琦逸 | 一种基于脑波信号和平衡传感器分析的射击训练稳定性评估装置 |
CN108776788A (zh) * | 2018-06-05 | 2018-11-09 | 电子科技大学 | 一种基于脑电波的识别方法 |
CN110991406A (zh) * | 2019-12-19 | 2020-04-10 | 燕山大学 | 一种基于rsvp脑电特征的弱小目标检测方法及系统 |
CN112130663A (zh) * | 2020-08-31 | 2020-12-25 | 上海大学 | 一种基于eeg-nirs的目标识别训练系统及方法 |
-
2021
- 2021-06-25 CN CN202110710805.5A patent/CN113378761B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010106435A1 (en) * | 2009-03-20 | 2010-09-23 | Pub Company S.R.L. | Video game hardware systems and software methods using electroencephalography |
CN103185481A (zh) * | 2012-11-20 | 2013-07-03 | 胡琦逸 | 一种基于脑波信号和平衡传感器分析的射击训练稳定性评估装置 |
CN108776788A (zh) * | 2018-06-05 | 2018-11-09 | 电子科技大学 | 一种基于脑电波的识别方法 |
CN110991406A (zh) * | 2019-12-19 | 2020-04-10 | 燕山大学 | 一种基于rsvp脑电特征的弱小目标检测方法及系统 |
CN112130663A (zh) * | 2020-08-31 | 2020-12-25 | 上海大学 | 一种基于eeg-nirs的目标识别训练系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113378761A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Channel selection method for EEG emotion recognition using normalized mutual information | |
CN101576772B (zh) | 基于虚拟仪器稳态视觉诱发电位脑机接口系统及控制方法 | |
CN107979985B (zh) | 一种车载健康安全驾驶辅助装置 | |
CN111091074B (zh) | 最优区域共空间模式的运动想象脑电信号分类方法 | |
CN105956624A (zh) | 基于空时频优化特征稀疏表示的运动想象脑电分类方法 | |
CN110991406A (zh) | 一种基于rsvp脑电特征的弱小目标检测方法及系统 | |
CN107766781B (zh) | 一种快速心电身份识别的方法及其系统 | |
CN110037693A (zh) | 一种基于面部表情和eeg的情绪分类方法 | |
CN108460318A (zh) | 基于心电信号的身份认证/识别方法及设备 | |
CN106725452A (zh) | 基于情感诱发的脑电信号识别方法 | |
CN110537929A (zh) | 一种基于ssvep的注意力测评方法、训练方法以及脑机接口 | |
CN110955330B (zh) | 基于复杂对象控制的高唤醒度的脑电意图辨析方法 | |
CN107822645B (zh) | 一种基于WiFi信号的情绪识别方法 | |
CN116400800B (zh) | 一种基于脑机接口和人工智能算法的als患者人机交互系统及方法 | |
CN107822629A (zh) | 四肢表面肌电轴的检测方法 | |
CN113780150A (zh) | 一种基于多维身体状态感知的疲劳检测方法及系统 | |
CN103077205A (zh) | 一种利用声音刺激诱发的erp进行语义声音搜索的方法 | |
CN109567832A (zh) | 一种基于智能手环的检测愤怒驾驶状态的方法及系统 | |
CN108509869A (zh) | 基于OpenBCI的特征集优化在线训练方法 | |
CN113378761B (zh) | 基于rsvp与电刺激手套的射击运动员反应训练系统及方法 | |
CN104793743B (zh) | 一种虚拟社交系统及其控制方法 | |
CN113208632A (zh) | 一种基于卷积神经网络的注意力检测方法、系统 | |
CN106843509A (zh) | 一种脑机接口系统 | |
CN116700495A (zh) | 基于稳态视觉诱发电位和运动想象的脑机交互方法和设备 | |
CN106446822A (zh) | 基于圆拟合的眨眼检测方法 |
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 |