[發明專利]一種可自適應學習的腦波控制外圍設備方法

有效

• 申請號: 201610329466.5
• 申請日: 2016-05-18
• 公開（公告）號: CN105929966B
• 公開（公告）日: 2017-08-01
• 發明（設計）人: 王之騰;張睿;徐寶宇;王芝橋;何健;申晴
• 申請（專利權）人: 王之騰
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00;G06K9/66;A61B5/00;A61B5/04;A61B5/0476;A61B5/16;A61B5/18
• 代理公司: 南京正聯知識產權代理有限公司32243
• 代理人: 盧霞

技術領域

本發明涉及腦機接口裝置中δ波、θ波、α波和β波能量的提取，大腦活躍度自適應學習方法，以及基于特定腦波狀態進行外圍設備控制的方法。

背景技術

相關研究表明，利用腦電信號(EEG)能夠直接反映大腦的活動狀態,EEG已成為大腦活躍研究中廣泛采用的評定中樞神經系統變化的重要依據。腦電信號可以分解為4個基本節律，即δ波、θ波、α波和β波，如表1所示。

表1

這4個節律的能量會隨著大腦活躍度的變化而變化。當α波和β波呈主導優勢時，表明人的意識是清醒的，大腦活躍；而當θ波和δ波占主導優勢時，則表明了人的意識模糊甚至輕微睡眠的出現。而當人處于一種特定狀態時，人腦的活躍度指數也相對穩定，通過腦波獲取裝置獲取腦波信號，通過無線通信傳輸給接收處理器，處理器對腦波信號進行去干擾處理后即可得到準確的腦波信號，根據腦波信號計算人腦活躍度，并已學習的特定腦波狀態活躍度區間進行比較繼而控制外圍設備，比如對駕駛員進入疲勞時的大腦活躍度進行學習，當駕駛員進入疲勞駕駛狀態時處理器可以及時通過控制外圍設備進行預警，并對疲勞駕駛狀態的活躍度進行自適應狀態學習，提高預警精度。

發明內容

本發明的目的在于提供一種可自適應學習的腦波控制外圍設備方法，以實現及時通過控制外圍設備進行預警，并提高預警精度。

為了解決以上技術問題，本發明采用的具體技術方案如下：

一種可自適應學習的腦波控制外圍設備方法，其特征在于包括以下步驟：

步驟1：利用腦波裝置采集人的腦波信號

步驟2：對采集到的腦波信號進行數據預處理，去除明顯的漂移數據，得到觀測信號設為x，進行獨立分量分析，去除和腦電信號無關的雜波，具體過程如下：

將所述觀測信號x經線性變換為矩陣:x^～＝Mx，使得E[x^～x^～′]＝I,變換后有:

x^～＝Mx＝MAS＝BS

其中，M是白化矩陣，B＝MA是一個正交矩陣，用以求解正交解混合矩陣w^Λ，使輸出的每個分量都是相互獨立的；所述輸出y：

y＝(w^Λ)^TMx^～＝(w^Λ)^TMx^～＝(w^Λ)^TMAs

零均值的隨機變量V的峭度為：

kurt(t)＝E[V⁴]-3(E[V²])²

通過最大化峭度,將源信號逐個分離出來，其遞推公式如下:

w(k)＝E[x(w(k-1)^T)³]-3w(k-1)

其中，w＝w_i(為w的一行)，且||w||＝1。

通過以上處理可以去除和腦電信號無關的雜波，將源信號逐個分離出來。

步驟3：對腦波信號進行傅里葉變換，具體過程如下：

先將采集到的腦波信號按照δ波、θ波、α波和β波頻段分段保存，經快速傅里葉變換得到傅里葉成分；N點有限長序列x(n)的離散傅里葉(DFT)為：

x(K)為變換后的傅里葉成分，w_N表示正交序列集中的即

步驟4：計算腦波中多種功率譜密度

將去除眼電、肌電干擾后的腦波信號記為x₁,利用對x₁進行傅里葉變換后求得的功率譜密度，很好地反應相應δ波、θ波、α波和β波在當前腦波中所占的地位關系；在FFT頻譜分析中，系統的分辨率由采樣頻率f_s與采樣點數N來決定,即:

實際采樣頻率為1000Hz經過傅里葉變換后，獲得x(k),k＝1,2,3,…,N；

P(k)＝x(k)²/N

P(k)為利用周期圖法估計出的功率譜密度；

步驟5：計算大腦活躍度