[發(fā)明專利]智能家居控制系統(tǒng)、控制方法、計算機設備及存儲介質

在審

• 申請?zhí)枺?/td>: 202010730141.4
• 申請日: 2020-07-27
• 公開（公告）號: CN111856958A
• 公開（公告）日: 2020-10-30
• 發(fā)明（設計）人: 董洋瑞;陸舒媛;齊錦
• 申請（專利權）人: 西北大學
• 主分類號: G05B15/02
• 分類號: G05B15/02;G05B19/418
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 黃偉洪

1.一種智能家居控制方法，其特征在于，所述智能家居控制方法包括：對采集的腦波信號與眼電、表面肌電信號，快速傅里葉變換頻域數(shù)據(jù)、小波系數(shù)和小波分解重構的頻域數(shù)據(jù)相結合的特征提取方法提取所述眼電、表面肌電信號的特征；

對獲取的眼電、表面肌電信號的特征采用SVM機器學習進行分類處理，利用分類處理的數(shù)據(jù)實時對智能家居進行控制。

2.如權利要求1所述的智能家居控制方法，其特征在于，所述采集腦波信號與眼電、表面肌電信號的方法包括：

第一步，采集腦電信號數(shù)據(jù)采集模塊和負責數(shù)據(jù)處理的數(shù)據(jù)處理模塊分體式分離，通過藍牙連接，數(shù)據(jù)處理模塊對接收到的數(shù)據(jù)流進行解碼；

第二步，控制信號的選取，選取專注度、松弛度、冥想度、眨眼、張嘴動作、搖頭動作參數(shù)作為控制信號。

3.如權利要求2所述的智能家居控制方法，其特征在于，所述第一步中，數(shù)據(jù)處理模塊每秒傳輸513個數(shù)據(jù)包，解碼后得到四組腦電圖參數(shù):腦電圖頻譜、傳輸狀態(tài)的信號質量、腦電原始數(shù)據(jù)和eSense算法生成的精神狀態(tài)；所述eSense算法產生用于描述精神狀態(tài)的專注度、松弛度、冥想度三個維度的特征。

4.如權利要求1所述的智能家居控制方法，其特征在于，所述快速傅里葉變換頻域數(shù)據(jù)、小波系數(shù)和小波分解重構的頻域數(shù)據(jù)相結合的特征提取方法包括：使用小波分析的方法提取眨眼、張嘴動作和搖頭動作的特征；

小波變換如式(1)所示：

其中，a為函數(shù)的伸縮變換系數(shù)，b為函數(shù)的平移系數(shù)。通過a,b的不斷變化便可得到小波變換基函數(shù)

對小波函數(shù)的參數(shù)a,b進行離散化處理，f(x)的離散小波變換形式如式(2)所示；

其中，k＝2^-jb。

使用Mallat算法，利用小波濾波器對測量的信號進行分解，得到低頻系數(shù)c_j,k和高頻系數(shù)d_j,k如式(3)、(4)所示

c_j,k＝∑_mh₀(m-2k)c_j-1,m (3)

d_j,k＝∑_mh₁(m-2k)c_j-1,m (4)

高頻成分對應的小波系數(shù)設為零；

由低頻系數(shù)c_j,k和高頻系數(shù)d_j,k，得到重構的信號為：

H_j(k)＝∑_mc_j+1(m)h₀(k-2m)+d_j+1(m)h₁(k-2m) (5)

對原始信號進行離散小波變換得到其高頻系數(shù)和低頻系數(shù)，獲得不同尺度下的重構信號，有效獲取原始信號的近似、細節(jié)部分，在保留原始信號特點的同時，對肌電和腦電信號進一步分類識別；

對眨眼動作信號進行六層小波分解，并分別對第二到六層的高頻信號進行重構來觀察，接下來對原始信號和重構后的信號，使用FFT得到頻譜圖，挑選出特征最明顯的重構層數(shù)進行重構；

將快速傅里葉變換頻域數(shù)據(jù)、小波系數(shù)和小波分解重構的頻域數(shù)據(jù)相結合，構建機器學習的訓練數(shù)據(jù)集。

5.一種實時權利要求1～4任意一項所述方法的智能家居控制系統(tǒng)，其特征在于，所述智能家居控制系統(tǒng)包括：

信號采集模塊，使用無創(chuàng)非侵入式頭戴干電極采集額頭表面電壓信號，經(jīng)芯片處理后得到數(shù)據(jù)流，并通過藍牙模塊發(fā)送至數(shù)據(jù)處理模塊；

數(shù)據(jù)處理模塊，用于對腦波信息存儲和運算，還用于外設和通信；

智能家居沙盤模塊，用于接收數(shù)據(jù)處理模塊的控制信號，再通過燒錄的程序實現(xiàn)對沙盤模型上設備的控制。