一種腦電狀態識別方法及裝置與流程

本發明涉及腦電技術領域，尤其涉及一種腦電狀態識別方法及裝置。

背景技術：

目前市場上常見的生物反饋訓練的產品中只包含腦電采集部分，不包含腦電識別功能，使其在反饋上缺乏目的性，對大腦狀態的評估缺乏數據支撐。而少數具有腦電識別模塊的產品采用相同的腦電識別模型對不同用戶進行識別。但是，腦電個體差異性非常大，相同的腦電識別模型在個體上的表現差異巨大，從而導致腦電識別的準確率低下。

技術實現要素：

本發明實施例提出一種腦電狀態識別方法及裝置，能夠提高腦電狀態識別的準確性。

本發明實施例提供一種腦電狀態識別方法，包括：

獲取用戶所對應的腦電識別模型；

采集所述用戶的腦電信號；

從所述腦電信號中提取出特征值；

采用所述腦電識別模型對所述特征值進行分析，識別出所述腦電信號所處的狀態類型。

在一個優選地實施方式中，所述獲取用戶所對應的腦電識別模型，具體包括：

從預先建立的模型庫中獲取所述用戶所對應的腦電識別模型。

在另一個優選地實施方式中，所述獲取用戶所對應的腦電識別模型，具體包括：

采集所述用戶大腦處于不同狀態時的腦電信號樣本；

分別從每個狀態下的腦電信號樣本中提取出特征值；

對所述每個狀態下的特征值進行訓練，構建所述用戶所對應的腦電識別模型。

進一步地，所述從所述腦電信號中提取出特征值，具體包括：

將所述腦電信號由時域信號轉換為頻域信號，獲得腦電頻域信號；

獲取所述腦電頻域信號中每個頻率的腦電能量；

分別計算當前窗口的腦電能量與其前N個窗口中的每個窗口的腦電能量的差值，獲得第一能量差值；其中，所述當前窗口為當前時刻與其前M個時刻之間的時間段；其中，N≥1，M≥1；

計算當前窗口的腦電能量與預先獲取的用戶處于放松狀態時的平均腦電能量的差值，獲得第二能量差值；

將所述每個頻率的腦電能量、所述第一能量差值和所述第二能量差值作為所述腦電信號的特征值。

進一步地，在所述從所述腦電信號中提取出特征值之前，還包括：

根據預設頻段對采集到的所述腦電信號進行過濾。

相應地，本發明實施例還提供一種腦電狀態識別裝置，包括：

獲取模塊，用于獲取用戶所對應的腦電識別模型；

采集模塊，用于采集所述用戶的腦電信號；

提取模塊，用于從所述腦電信號中提取出特征值；以及，

識別模塊，用于采用所述腦電識別模型對所述特征值進行分析，識別出所述腦電信號所處的狀態類型。

在一個優選地實施方式中，所述獲取模塊具體包括：

模型獲取單元，用于從預先建立的模型庫中獲取所述用戶所對應的腦電識別模型。

在另一個優選地實施方式中，所述獲取模塊具體包括：

樣本采集單元，用于采集用戶大腦處于不同狀態時的腦電信號樣本；

提取單元，用于分別從每個狀態下的腦電信號樣本中提取出特征值；以及，

模型構建單元，用于對所述每個狀態下的特征值進行訓練，構建所述用戶的腦電識別模型。

進一步地，所述提取模塊具體包括：

轉換單元，用于將所述腦電信號由時域信號轉換為頻域信號，獲得腦電頻域信號；

腦電能量獲取單元，用于獲取所述腦電頻域信號中每個頻率的腦電能量；

第一能量差值獲取單元，用于分別計算當前窗口的腦電能量與其前N個窗口中的每個窗口的腦電能量的差值，獲得第一能量差值；其中，所述當前窗口為當前時刻與其前M個時刻之間的時間段；其中，N≥1，M≥1；

第二能量差值獲取單元，用于計算當前窗口的腦電能量與預先獲取的用戶處于放松狀態時的平均腦電能量的差值，獲得第二能量差值；以及，

特征值獲取單元，用于將所述每個頻率的腦電能量、所述第一能量差值和所述第二能量差值作為所述腦電信號的特征值。

進一步地，所述腦電狀態識別裝置還包括：

過濾模塊，用于根據預設頻段對采集到的所述腦電信號進行過濾。

實施本發明實施例，具有如下有益效果：

本發明實施例提供的腦電狀態識別方法及裝置，能夠獲取用戶自身的腦電識別模型，進而采用用戶自身的腦電識別模型對采集到的用戶的腦電信號進行分析，識別出用戶腦電信號所處的狀態類型，從而避免個體之間的差異，提高腦電狀態識別的準確性。

附圖說明

圖1是本發明提供的腦電狀態識別方法的一個實施例的流程示意圖；

圖2是本發明提供的腦電狀態識別裝置的一個實施例的結構示意圖。

具體實施方式

下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。基于本發明中的實施例，本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例，都屬于本發明保護的范圍。

參見圖1，本發明提供的腦電狀態識別方法的一個實施例的流程示意圖，包括

S1、獲取用戶所對應的腦電識別模型；

S2、采集所述用戶的腦電信號；

S3、從所述腦電信號中提取出特征值；

S4、采用所述腦電識別模型對所述特征值進行分析，識別出所述腦電信號所處的狀態類型。

需要說明的是，每個用戶均具有其所對應的腦電識別模型，在對一個用戶腦電狀態進行識別時，先獲取該用戶所對應的腦電識別模型。在采集到用戶的腦電信號后，提取腦電信號中的特征值，并采用該用戶所對應的腦電識別模型對提取的特征值進行分析，識別該用戶腦電所處的狀態類型。其中，狀態類型包括放松狀態、用腦狀態等。采用用戶的腦電識別模型對用戶自身的腦電狀態進行識別，能夠避免用戶個體之間的差異，提高用戶腦電狀態識別的準確性。對用戶腦電狀態進行準確的分類是生物反饋訓練的基礎，可將本發明實施例所提供的腦電狀態識別方法運用到生物反饋放松訓練、生物反饋治療、自動催眠設備、注意力訓練設備、情緒認知訓練、記憶力訓練等訓練中，使訓練更具有目的性、針對性。

在一個優選地實施方式中，所述獲取用戶所對應的腦電識別模型，具體包括：

從預先建立的模型庫中獲取所述用戶所對應的腦電識別模型。

需要說明的是，用戶的腦電識別模型可預先建立并保存在模型庫中，在需要對該用戶的腦電狀態進行識別時，從模型庫中獲取該用戶的腦電識別模型進行識別。

在另一個優選地實施方式中，所述獲取用戶所對應的腦電識別模型，具體包括：

采集所述用戶大腦處于不同狀態時的腦電信號樣本；

分別從每個狀態下的腦電信號樣本中提取出特征值；

對所述每個狀態下的特征值進行訓練，構建所述用戶所對應的腦電識別模型。

需要說明的是，用戶的腦電識別模型還可通過“在線學習”的方式獲取。在采集用戶的腦電模型進行識別前，先采集用戶大腦處于不同狀態時的腦電信號作為樣本來“在線學習”出該用戶的腦電識別模型。在采集用戶的腦電信號樣本時，用戶根據程序提示完成制定動作，在用戶執行過程中記錄下用戶所有的腦電數據，并按照時間段給用戶的腦電數據打上標簽，其中，時間段可以設置為1秒。在放松狀態下，要求用戶閉上眼睛，深呼吸，并盡量放松身體和大腦，持續60秒或更長時間，以將本過程采集到的腦電數據樣本標注為“放松”；在用腦狀態下，要求用戶睜開眼睛通過手機或計算機屏幕閱讀新聞或文章，閱讀時要求用戶盡量用心，在閱讀后能對內容進行復述，持續60秒或更長時間，以將本過程采集到的腦電數據樣本標注為“用腦”。

在采集了用戶大腦處于不同狀態時的腦電信號樣本后，對腦電信號樣本進行濾波去噪，如基線漂移、工頻干擾、帶通濾波等。再將腦電信號樣本通過小波變換、Z變換、傅里葉變換等形式由時域轉換為頻域，進而設置時間窗口提取腦電信號樣本中的特征值，并將提取出的特征值送入分類器中進行訓練。其中，腦電信號具有非線性隨機特征，凡符合非線性特征的分類器對上述分類都均能起到比較好的分類效果，如SVM、決策樹、神經網絡、貝葉斯模型等。在訓練過程中，通過觀察交叉驗證(CrossValidation)結果確定腦電識別模型的識別效果。如果驗證結果不理想，可修改濾波和特征值提取中的部分參數，如更換小波基、時間窗口大小、窗口差個數等，直到驗證結果滿意為止。

進一步地，所述從所述腦電信號中提取出特征值，具體包括：

將所述腦電信號由時域信號轉換為頻域信號，獲得腦電頻域信號；

獲取所述腦電頻域信號中每個頻率的腦電能量；

分別計算當前窗口的腦電能量與其前N個窗口中的每個窗口的腦電能量的差值，獲得第一能量差值；其中，所述當前窗口為當前時刻與其前M個時刻之間的時間段；其中，N≥1，M≥1；

計算當前窗口的腦電能量與預先獲取的用戶處于放松狀態時的平均腦電能量的差值，獲得第二能量差值；

將所述每個頻率的腦電能量、所述第一能量差值和所述第二能量差值作為所述腦電信號的特征值。

需要說明的是，在采集到用戶的腦電信號后，將采集到的數據通過小波變換、Z變換、傅里葉變換換等形式轉換為頻域信號，獲得腦電頻域信號，進而從腦電頻域信號中提取出特征值。在特征值的提取中，獲取腦電頻域信號中的每個頻域的腦電能量，當前窗口與其前N個窗口中的每個窗口的第一能量差值，當前窗口的第二能量差值。其中，窗口的大小可根據腦電信號采集時標記的標簽來設置，同時窗口隨著時間推移向后滑動。另外，用戶處于放松狀態時的平均腦電能量是采集用戶在放松狀態下的腦電信號樣本，并將該狀態下的腦電信號樣本由時域轉換為頻域后計算獲得的所有頻率的腦電能量的平均值。

進一步地，在所述從所述腦電信號中提取出特征值之前，還包括：

根據預設頻段對采集到的所述腦電信號進行過濾。

需要說明的是，采集到的腦電信號為實時電壓數據，該數據中包含大量的噪聲需要濾波后才可以使用。其中，濾波的方式包括基線漂移、工頻干擾、帶通濾波以獲取感興趣的數據。

本發明實施例提供的腦電狀態識別方法，能夠獲取用戶自身的腦電識別模型，進而采用用戶自身的腦電識別模型對采集到的用戶的腦電信號進行分析，識別出用戶腦電信號所處的狀態類型，從而避免個體之間的差異，提高腦電狀態識別的準確性。

相應的，本發明還提供一種腦電狀態識別裝置，能夠實現上述實施例中的腦電狀態識別方法的所有流程。

參見圖2，是本發明提供的腦電狀態識別裝置的一個實施例的結構示意圖，包括：

獲取模塊1，用于獲取用戶所對應的腦電識別模型；

采集模塊2，用于采集所述用戶的腦電信號；

提取模塊3，用于從所述腦電信號中提取出特征值；以及，

識別模塊4，用于采用所述腦電識別模型對所述特征值進行分析，識別出所述腦電信號所處的狀態類型。

在一個優選地實施方式中，所述獲取模塊具體包括：

模型獲取單元，用于從預先建立的模型庫中獲取所述用戶所對應的腦電識別模型。

在另一個優選地實施方式中，所述獲取模塊具體包括：

樣本采集單元，用于采集用戶大腦處于不同狀態時的腦電信號樣本；

提取單元，用于分別從每個狀態下的腦電信號樣本中提取出特征值；以及，

模型構建單元，用于對所述每個狀態下的特征值進行訓練，構建所述用戶的腦電識別模型。

進一步地，所述提取模塊具體包括：

轉換單元，用于將所述腦電信號由時域信號轉換為頻域信號，獲得腦電頻域信號；

腦電能量獲取單元，用于獲取所述腦電頻域信號中每個頻率的腦電能量；

第一能量差值獲取單元，用于分別計算當前窗口的腦電能量與其前N個窗口中的每個窗口的腦電能量的差值，獲得第一能量差值；其中，所述當前窗口為當前時刻與其前M個時刻之間的時間段；其中，N≥1，M≥1；

第二能量差值獲取單元，用于計算當前窗口的腦電能量與預先獲取的用戶處于放松狀態時的平均腦電能量的差值，獲得第二能量差值；以及，

特征值獲取單元，用于將所述每個頻率的腦電能量、所述第一能量差值和所述第二能量差值作為所述腦電信號的特征值。

進一步地，所述腦電狀態識別裝置還包括：

過濾模塊，用于根據預設頻段對采集到的所述腦電信號進行過濾。

本發明實施例提供的腦電狀態識別裝置，能夠獲取用戶自身的腦電識別模型，進而采用用戶自身的腦電識別模型對采集到的用戶的腦電信號進行分析，識別出用戶腦電信號所處的狀態類型，從而避免個體之間的差異，提高腦電狀態識別的準確性。

以上所述是本發明的優選實施方式，應當指出，對于本技術領域的普通技術人員來說，在不脫離本發明原理的前提下，還可以做出若干改進和潤飾，這些改進和潤飾也視為本發明的保護范圍。