[發(fā)明專利]一種基于腦電信號的眼動信號識別方法

有效

• 申請?zhí)枺?/td>: 201710945067.6
• 申請日: 2017-09-30
• 公開（公告）號: CN107822627B
• 公開（公告）日: 2020-10-20
• 發(fā)明（設(shè)計(jì)）人: 岳大超;劉海寬
• 申請（專利權(quán)）人: 江蘇師范大學(xué)
• 主分類號: A61B5/0476
• 分類號: A61B5/0476
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于腦電信號的眼動信號識別方法，其特征在于：包括如下步驟：

步驟1)腦電信號獲取以及數(shù)據(jù)預(yù)處理：

眼動時，獲取腦電信號，腦電信號是由32個電極獲取的信號，包括向左眼動，向右眼動，向上眼動，向下眼動，閉眼，對腦電信號預(yù)處理，包括減少干擾、降維、去除基線數(shù)據(jù)以及濾波；

步驟2)對步驟1)的處理結(jié)果使用改進(jìn)SK算法進(jìn)行判斷無關(guān)最優(yōu)向量，選擇出少量的支持向量，并在算法中引入核技巧，將向量映射到高維空間，達(dá)到可分類的目的：

改進(jìn)SK算法包括以下步驟：

1)構(gòu)造D₁＝{x₁,x₂,...,x_m}，D₂＝{z₁,z₂,...,z_n}兩個數(shù)據(jù)集，然后再重新構(gòu)造兩個數(shù)據(jù)集；

2)初始化，任意取設(shè)置停止精度ε；

3)判斷停止條件，如果||w₂-w₁||²＜ε，判定x_k∈D₁為無關(guān)最優(yōu)向量；如果||w₂-w₁||₂-r_m2-r_m1＞0，則x_k∈D₁為可能支持向量；其中否則轉(zhuǎn)第4步；

4)優(yōu)化更新，求其中

如果則令其中

如果則令其中

獲得的值，然后返回第3步繼續(xù)計(jì)算；步驟3)使用MDM算法對步驟2)獲取的支持向量求解最優(yōu)超平面，其包括以下步驟：

1)任取設(shè)置停止精度ε；

2)求其中

3)如果||w₁-w₂||-m(x_i)≤ε，則向量w₁-w₂就是最優(yōu)超平面，偏置為否則取z＝w₁-w₂，繼續(xù)第3步；

4)如果x_k∈D₁，求x_min∈D₁使得

(-z*x_min)＝min{-z*x_i:γ_i＝-z*x_i且γ_i＞0,x_i∈D₁}，

d＝f(-z)-x_min，z'＝z+(-z*x_min)d，取z^new為z和z'連線上的最小范數(shù)點(diǎn)，令

如果x_k∈D₂，求z_min∈D₂使得

(-z*z_min)＝min{-z*z_i:γ_i＝-z*z_i且γ_i＞0,z_i∈D₂}，

d＝f(-z)-z_min，z'＝z+(-z*z_min)d，取z^new為z和z'連線上的最小范數(shù)點(diǎn)，令返回第2步，直至求解獲得最優(yōu)超平面，獲得分類器，最后利用所得的最優(yōu)超平面進(jìn)行腦電眼動方式的識別分類。

2.根據(jù)權(quán)利要求1所述的一種基于腦電信號的眼動信號識別方法，其特征在于，所述的SK算法是一種雙向Gilbert算法，其優(yōu)點(diǎn)全局收斂，并且可以很容易推廣到特征空間用來解決非線性問題。

3.根據(jù)權(quán)利要求2所述的一種基于腦電信號的眼動信號識別方法，其特征在于，所述SK算法是用于數(shù)據(jù)集是線性可分的，利用改進(jìn)SK算法獲取支持向量是通過核函數(shù)技巧來完成數(shù)據(jù)集線性不可分的情況。

4.根據(jù)權(quán)利要求1所述的一種基于腦電信號的眼動信號識別方法，其特征在于，所述的MDM算法是利用SK算法獲取的支持向量來運(yùn)算的。