[發明專利]提高腦力負荷狀態下P300拼寫器使用效果的方法

有效

• 申請號: 201710562593.4
• 申請日: 2017-07-11
• 公開（公告）號: CN107463250B
• 公開（公告）日: 2019-11-22
• 發明（設計）人: 明東;陳玉倩;柯余峰;孟桂芳;許敏鵬;綦宏志;何峰
• 申請（專利權）人: 天津大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00;G06K9/62
• 代理公司: 12201 天津市北洋有限責任專利代理事務所
• 代理人: 劉國威<國際申請>=<國際公布>=<進入

1.一種提高腦力負荷狀態下P300拼寫器使用效果的方法，其特征是，提高腦力負荷狀態下P300拼寫器使用效果的方法，首先在模型建立階段，分別采集純拼寫任務以及多種外加典型負荷任務下的腦電數據，對腦電數據進行預處理并提取特征，將多種負荷條件下的特征數據混合，選擇合適的分類器建立訓練模型；在實際應用階段，采集各種負荷狀態下的腦電數據作為測試數據，將上一階段建好的訓練模型和測試數據放入分類器中進行模式識別得到字符識別率，和純拼寫任務下的腦電數據建模進行字符識別的結果進行對比，分析P300拼寫器性能的提升。

2.如權利要求1所述的提高腦力負荷狀態下P300拼寫器使用效果的方法，其特征是，分別采集純拼寫任務以及多種外加典型負荷任務下的腦電數據具體步驟是，采用的是6×6行列字符閃爍，在該范式中，要求受試者注視目標字符，6行6列依次閃爍10輪，當包含目標字符的行或者列閃爍時，受試者大腦中會誘發相應的事件相關電位，除此之外，還要求受試者在完成拼寫任務的同時分別完成其它幾種負荷任務，包括工作記憶任務、心算任務、推理任務以及探測任務，采集以上各種實驗條件下的腦電信號并記錄儲存起來。

3.如權利要求1所述的提高腦力負荷狀態下P300拼寫器使用效果的方法，其特征是，對腦電數據進行預處理并提取特征具體步驟是，首先要對采集到的數據進行預處理，包括變參考、去眼電濾波以及降采樣步驟，然后對數據進行特征提取的操作，這里的特征采用的是P300電位，選取八個典型導聯Fz、Cz、T5、P3、Pz、P4、T6、Oz的數據進行分析，對于每一導聯的數據，截取刺激開始后700ms內的信號作為特征，然后將八個導聯的特征首尾相接構成用于分類的特征向量，其維數與采樣率有關，每次刺激對應一個樣本，因此得到樣本數*特征維數的特征矩陣；得到特征矩陣后，在樣本維度上將它們連接起來，然后統一進行歸一化處理，到建立訓練模型所需的特征矩陣；與特征矩陣相對應的是標簽向量，每一個樣本對應標簽值1或者-1，其中1代表目標刺激，-1代表非目標刺激，同時提取純拼寫任務條件下的樣本量相同的特征矩陣和標簽向量作為對照。

4.如權利要求3所述的提高腦力負荷狀態下P300拼寫器使用效果的方法，其特征是，選擇支持向量機SVM(Support Vector Machine)分類器建立訓練模型，將得到的特征矩陣和與其對應的已知的標簽向量放入分類器中進行機器學習，得到跨負荷任務通用訓練模型；然后采用分類器進行分類識別，將通用模型和測試數據特征送入分類器中進行目標刺激和非目標刺激的分類，對每個樣本得到一個分類決策值，將每行或每列十次重復的決策值疊加，得到最大決策值對應的行和列即可確定目標字符，完成字符識別。

5.如權利要求3所述的提高腦力負荷狀態下P300拼寫器使用效果的方法，其特征是，選擇線性判別分析LDA(Linear Discriminant Analysis)分類器建立訓練模型，將得到的特征矩陣和與其對應的已知的標簽向量放入分類器中進行機器學習，得到跨負荷任務通用訓練模型；然后采用分類器進行分類識別，將通用模型和測試數據特征送入分類器中進行目標刺激和非目標刺激的分類，對每個樣本得到一個分類決策值，將每行或每列十次重復的決策值疊加，得到最大決策值對應的行和列即可確定目標字符，完成字符識別。