[發明專利]一種基于腦電信號的眼動信號識別方法

有效

• 申請號: 201710945067.6
• 申請日: 2017-09-30
• 公開（公告）號: CN107822627B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 岳大超;劉海寬
• 申請（專利權）人: 江蘇師范大學
• 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

發明公開了一種基于腦電信號的眼動信號識別方法，包括如下步驟：步驟1)腦電信號獲取以及數據預處理：眼動時，獲取腦電信號，對腦電信號預處理；步驟2)對步驟1)的處理結果使用改進SK算法進行判斷無關最優向量，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，達到可分類的目的：步驟3)使用MDM算法對步驟2)獲取的支持向量求解最優超平面；本發明利用腦電信號進行眼動方式識別分類非常可靠，此外，使用的SK算法以及MDM算法(SVM)可以在固定經驗風險的情況下通過最大邊緣化，來實現結構風險最小化，可以讓分類器具有令人滿意的學習精度和更強的推廣能力。

技術領域

本發明涉及一種基于腦電信號的眼動信號識別方法，涉及腦電信號特征識別領域。

背景技術

腦電信號是明顯的非平穩性信號，從19世紀20年代檢測到腦電信號以來，雖然已作了大量的工作，但長期以來還沒有突破性的進展。隨著信號處理方法的不斷發展，更多更有效的分析方法在腦電信號分析中不斷得到應用。

李遠清等人于2008年首次將半監督學習算法引入腦電(EEG)信號識別中，用于識別右手/腳兩類運動想象任務(數據集Iva)。

龍錦益等人于2010年提出了一種結合特征提取的自訓練學習算法。

朱向陽等人于2014年提出了一種結合特征提取的協同訓練半監督分類算法。

隨著人們對于腦電活動機理信號的研究分析，人們會對大腦將有進一步的認識，也必將為臨床醫學和基礎醫學的發展作出新的貢獻。

但目前并沒有特別好的可以使用眼動信號來識別腦電信號的方法，自1932年，Dietch首先用傅立葉變換進行了腦電信號分析之后，在腦電分析中相繼引入了時域分析、頻域分析等腦電圖分析的經典方法。傳統的人工時域分析法是醫學專家依靠臨床經驗通過肉眼觀察來完成對腦電波的分析與評價，這種方法的直觀性很強，但效率低，且在閱讀和判斷過程中容易造成誤判，使得腦電波的特征提取只停留在主觀水平。

隨著計算機的快速發展，腦電自動分析系統相繼開發，利用計算機輔助腦電信號的分析得到了很大的發展。現代的時域分析一般通過過零截點分析、直方圖分析、方差分析、相關分析、峰值檢測及波形參數分析、波形識別等手段來直接提取腦電波的波形特征。

由于腦電信號是一種時變的、非平穩的信號，在不同時間，不同的狀態下有著不同的頻率成分，目前并沒有非常好的方法可以準確表征信號，瞬態提取腦電信號波形特征，而且由于個體之間的差異，使得這方面還需要很多的研究工作。

發明內容

本發明的目的在于提供一種基于腦電信號的眼動信號識別方法，采用改進SK算法判斷無關最優向量及MDM算法求解最優超平面，從而使利用腦電信號進行眼動方式識別分類更為可靠。

為實現上述目的，本發明提供如下技術方案：一種基于腦電信號的眼動信號識別方法，包括如下步驟：

步驟1)腦電信號獲取以及數據預處理：

眼動時，獲取腦電信號，對腦電信號預處理；

步驟2)對步驟1)的處理結果使用改進SK算法進行判斷無關最優向量，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，達到可分類的目的：

改進SK算法包括以下步驟：

1)構造D₁＝{x₁,x₂,...,x_m}，D₂＝{z₁,z₂,...,z_n}兩個數據集，然后再重新構造兩個數據集；

2)初始化，任意取設置停止精度ε；