发明名称 |
一种多模态非植入式脑机接口技术支撑下的人机交互方法 |
摘要 |
本发明公开了一种多模态非植入式脑机接口技术支撑下的人机交互方法,包括以下步骤:1)用户根据提示信号进行所有运动想象及所有眼睛运动,采集用户的EOG信号及EEG信号,再对EOG信号及EEG信号分别进行预处理,并根据EOG信号及EEG信号得脑电分类结果及眼电分类结果;控制外接设备时,用户根据提示信号进行相应运动想象及眼睛运动,采集用户当前的EOG信号及EEG信号,并对用户当前的EOG信号及用户当前的EEG信号分别进行预处理;然后根据预处理后的用户当前的EOG信号、用户当前的EEG信号、脑电分类结果及眼电分类结果进行电脑的控制。本发明可以实现非植入式脑机接口的复杂命令输出,并且对外接设备的控制能力强。 |
申请公布号 |
CN104360730A |
申请公布日期 |
2015.02.18 |
申请号 |
CN201410408877.4 |
申请日期 |
2014.08.19 |
申请人 |
西安交通大学 |
发明人 |
张进华;洪军;李婷;王宝增;蔚炯坚 |
分类号 |
G06F3/01(2006.01)I |
主分类号 |
G06F3/01(2006.01)I |
代理机构 |
西安通大专利代理有限责任公司 61200 |
代理人 |
陆万寿 |
主权项 |
一种多模态非植入式脑机接口技术支撑下的人机交互方法,其特征在于,包括以下步骤:1)用户根据提示信号进行所有运动想象及所有眼睛运动,采集用户的EOG信号及EEG信号,然后对所述EOG信号及EEG信号分别依次进行放大及数模转换;2)存储步骤1)得到的EOG信号及EEG信号,并对EOG信号及EEG信号分别进行预处理;3)根据步骤2)得到的EEG信号确定针对用户的特征导联和特征节律,再采用共空间模式算法从用户的特征导联和特征节律提取脑电空间特征,并训练共空间模式特征提取滤波器,然后采用小世界神经网络算法对提取的脑电空间特征进行运动想象分类,得分类结果,然后根据分类结果训练获得运动想象模式分类器;4)对步骤2)得到的EOG信号中的水平EOG信号及垂直EOG信号进行中值滤波去噪,消除EOG信号中垂直EOG信号内的无意识眨眼信号,并对EOG信号中的垂直EOG信号进行有意识单眨眼分量及双眨眼分量的提取分离,得眨眼模式识别结果;5)控制外接设备时,用户根据提示信号进行相应运动想象及眼睛运动,采集用户当前的EOG信号及EEG信号,并对用户当前的EOG信号及EEG信号分别依次进行放大及数模转换,再对用户当前的EOG信号及用户当前的EEG信号分别进行预处理;6)通过用户的特征导联和特征节律筛选出用户当前EEG信号的频带分量,再通过共空间模式特征提取滤波器对用户当前EEG信号的频带分量进行空间特征提取,并根据所述空间特征通过小世界神经网络分类器进行模式判别,得到用户当前EEG信号的识别结果,然后根据用户当前EEG信号的识别结果对电脑进行控制;同时,对用户当前的EOG信号进行峰值分析,得用户当前EOG信号的识别结果,然后根据用户当前EOG信号的识别结果对电脑进行控制。 |
地址 |
710049 陕西省西安市咸宁西路28号 |