[發(fā)明專利]一種融合注意力檢測的SSVEP異步分類方法

在審

• 申請?zhí)枺?/td>: 202010905746.2
• 申請日: 2020-09-01
• 公開（公告）號: CN112070141A
• 公開（公告）日: 2020-12-11
• 發(fā)明（設(shè)計）人: 趙靖;劉文政;張偉
• 申請（專利權(quán)）人: 燕山大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F3/01
• 代理公司: 大連東方專利代理有限責(zé)任公司 21212
• 代理人: 陳麗;李洪福

1.一種融合注意力檢測的SSVEP異步分類方法，其特征在于，所述方法包括：

在離線訓(xùn)練階段：

分別開展控制任務(wù)和空閑任務(wù)的離線試驗(yàn)，采集大腦額區(qū)和枕區(qū)產(chǎn)生的腦電信號，得到額區(qū)離線數(shù)據(jù)集和枕區(qū)離線數(shù)據(jù)集；

將所述額區(qū)離線數(shù)據(jù)集分為第一控制任務(wù)數(shù)據(jù)集和第一空閑任務(wù)數(shù)據(jù)集，基于所述第一控制任務(wù)數(shù)據(jù)集和所述第一空閑任務(wù)數(shù)據(jù)集訓(xùn)練注意力檢測算法；

將所述枕區(qū)離線數(shù)據(jù)集分為第二空閑任務(wù)數(shù)據(jù)集和多個不同目標(biāo)頻率的第二控制任務(wù)數(shù)據(jù)集，基于所述第二空閑任務(wù)數(shù)據(jù)集和多個不同目標(biāo)頻率的第二控制任務(wù)數(shù)據(jù)集訓(xùn)練頻率識別算法；

在在線分類階段：

實(shí)時采集大腦額區(qū)和枕區(qū)的腦電信號；

用訓(xùn)練好的注意力檢測算法對所述實(shí)時采集的額區(qū)的腦電信號進(jìn)行處理，得到第一分類結(jié)果和第一置信度；

用訓(xùn)練好的頻率識別算法對所述實(shí)時采集的枕區(qū)的腦電信號進(jìn)行處理，得到第二分類結(jié)果和第二置信度；

根據(jù)所述第一置信度和所述第二置信度對所述第一分類結(jié)果和所述第二分類結(jié)果進(jìn)行融合，得到異步分類方法的最終輸出結(jié)果。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述離線試驗(yàn)包括：控制任務(wù)和空閑任務(wù)分別進(jìn)行n組試驗(yàn)，每組包含20次試驗(yàn)；n為大于1的整數(shù)；

在每次試驗(yàn)開始后，被試首先進(jìn)行短暫的休息；休息2秒后，由系統(tǒng)隨機(jī)指示本次試驗(yàn)的目標(biāo)刺激源，并提醒被試準(zhǔn)備進(jìn)行試驗(yàn)；1秒后所有目標(biāo)刺激源同時開始閃爍，在控制任務(wù)中被試需要在3秒內(nèi)注視目標(biāo)刺激源并盡量不要眨眼和移動頭部，在空閑任務(wù)中被試可以進(jìn)行除注視刺激源以外的任意活動；采集整個試驗(yàn)過程中的額區(qū)和枕區(qū)腦電數(shù)據(jù)。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述基于所述第一控制任務(wù)數(shù)據(jù)集和所述第一空閑任務(wù)數(shù)據(jù)集訓(xùn)練注意力檢測算法，包括：

將所述額區(qū)離線數(shù)據(jù)集劃分為第一空閑任務(wù)數(shù)據(jù)集和第一控制任務(wù)數(shù)據(jù)集；

采用注意力檢測算法處理所述第一空閑任務(wù)數(shù)據(jù)集，提取空閑任務(wù)下的注意力指數(shù)特征，構(gòu)建第一特征向量集；

采用注意力檢測算法處理所述第一控制任務(wù)數(shù)據(jù)集，提取控制任務(wù)下的注意力指數(shù)特征構(gòu)，構(gòu)建第二特征向量集；

使用所述第一特征向量集和所述第二特征向量集訓(xùn)練支持向量機(jī)分類器，得到訓(xùn)練好的注意力檢測算法；

相應(yīng)地，所述用訓(xùn)練好的注意力檢測算法對所述實(shí)時采集的額區(qū)的腦電信號進(jìn)行處理，得到第一分類結(jié)果和第一置信度包括：

使用訓(xùn)練好的注意力檢測算法處理所述實(shí)時采集的額區(qū)的腦電信號，提取注意力指數(shù)特征，構(gòu)造第五特征向量，使用訓(xùn)練好的分類器對所述第五特征向量進(jìn)行分類，得到第一分類結(jié)果以及第一置信度。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述基于所述第二空閑任務(wù)數(shù)據(jù)集和多個不同目標(biāo)頻率的第二控制任務(wù)數(shù)據(jù)集訓(xùn)練頻率識別算法，包括：

將所述枕區(qū)離線數(shù)據(jù)集劃分為第二空閑任務(wù)數(shù)據(jù)集和多個目標(biāo)頻率的第二控制任務(wù)數(shù)據(jù)集；

采用異步的頻率識別算法處理所述第二空閑任務(wù)數(shù)據(jù)集，提取空閑任務(wù)下的腦電頻率特征，構(gòu)造第三特征向量集；

采用異步的頻率識別算法處理所述多個不同目標(biāo)頻率的第二控制任務(wù)數(shù)據(jù)集，分別提取各個目標(biāo)頻率下的腦電頻率特征，基于每個目標(biāo)頻率下的腦電頻率特征構(gòu)造與所述目標(biāo)頻率相對應(yīng)的第四特征向量集；

構(gòu)造包含與各個目標(biāo)頻率相對應(yīng)的支持向量機(jī)分類器的分類器組，針對每個目標(biāo)頻率，使用所述第三特征向量集和與所述目標(biāo)頻率相對應(yīng)的第四特征向量集，訓(xùn)練與所述目標(biāo)頻率相對應(yīng)的分類器，得到訓(xùn)練好的頻率識別算法；

相應(yīng)地，所述用訓(xùn)練好的頻率識別算法對所述實(shí)時采集的枕區(qū)的腦電信號進(jìn)行處理，得到第二分類結(jié)果和第二置信度：

使用訓(xùn)練好的頻率識別算法處理所述實(shí)時采集的枕區(qū)的腦電信號，提取腦電頻率特征，構(gòu)造第六特征向量，使用訓(xùn)練好的分類器組中的各個分類器分別對所述第六特征向量進(jìn)行分類，得到各個分類器的置信度，將置信度最大的分類器的分類結(jié)果作為第二分類結(jié)果，將最大的置信度作為第二置信度。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述實(shí)時采集大腦額區(qū)和枕區(qū)的腦電信號，包括：

使用在線程序?qū)崟r采集大腦額區(qū)和枕區(qū)的腦電信號，并存入2秒時長的數(shù)據(jù)緩存，每隔0.5秒對緩存中的腦電數(shù)據(jù)進(jìn)行處理。

6.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述根據(jù)所述第一置信度和所述第二置信度對所述第一分類結(jié)果和所述第二分類結(jié)果進(jìn)行融合，包括：

其中，T為最終輸出結(jié)果，Ta為第一分類結(jié)果，Tf為第二分類結(jié)果，分類結(jié)果為0表示空閑狀態(tài)，分類結(jié)果為1表示控制狀態(tài)；s_a表示第一分類結(jié)果為控制狀態(tài)的置信度，表示第一分類結(jié)果為空閑狀態(tài)的置信度；s⁽ⁿ⁾表示分類器組中分類器n的分類結(jié)果為控制狀態(tài)的置信度；s_f＝maxs⁽ⁿ⁾，表示第二分類結(jié)果為控制狀態(tài)的置信度，表示第二分類結(jié)果為空閑狀態(tài)的置信度。