CN115857701B - 一种ssvep脑电信号处理方法及相关设备 - Google Patents
一种ssvep脑电信号处理方法及相关设备 Download PDFInfo
- Publication number
- CN115857701B CN115857701B CN202310118093.7A CN202310118093A CN115857701B CN 115857701 B CN115857701 B CN 115857701B CN 202310118093 A CN202310118093 A CN 202310118093A CN 115857701 B CN115857701 B CN 115857701B
- Authority
- CN
- China
- Prior art keywords
- signal
- incorrect
- sub
- threshold
- eeg signal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000001186 cumulative effect Effects 0.000 claims abstract description 83
- 230000000638 stimulation Effects 0.000 claims abstract description 40
- 239000012141 concentrate Substances 0.000 claims abstract description 39
- 239000000284 extract Substances 0.000 claims abstract description 13
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 5
- 238000000034 method Methods 0.000 abstract description 22
- 208000003464 asthenopia Diseases 0.000 abstract description 14
- 230000000763 evoking effect Effects 0.000 abstract description 12
- 230000008569 process Effects 0.000 abstract description 12
- 230000000007 visual effect Effects 0.000 abstract description 11
- 230000009286 beneficial effect Effects 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010344 pupil dilation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请属于脑机接口技术领域，公开了一种SSVEP脑电信号处理方法及相关设备，其方法包括：获取用户在当前刺激源刺激下的脑电信号；通过滑窗方式从滤波后的脑电信号中提取多个子信号；识别各个所述子信号的刺激源，并统计识别结果不正确的累计次数；若累计次数大于预设的第一阈值，则提醒所述用户集中注意力或调整相邻两次刺激之间的休息时间，从而在视觉诱发过程中及时发现被试者的注意力不集中并及时提醒用户集中注意力，有利于提高脑电信号的准确性，或者及时发现因休息时间过短而使用户产生视觉疲劳，导致脑电信号受到干扰，及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
Description
技术领域
本申请涉及脑机接口技术领域，具体而言，涉及一种SSVEP脑电信号处理方法及相关设备。
背景技术
随着SSVEP的应用场景的复杂化，对基于SSVEP的脑机接口技术提出了更多的要求，例如更多的转化指令，更快的信息传输率，更高的识别准确率等。但视觉诱发过程也受视觉注意程度，瞳孔缩放，外界噪音等各种因素的影响，特别是当系统转换指令增加时，被试者在一次试验中需要多次注视刺激目标，长时间的视觉诱发容易造成被试者的视觉疲劳，而且不同刺激目标之间的休息时间过短，从而降低被试者在后续试验中的注意力集中程度，亦或者一些SSVEP范式设计不当，例如，不同目标之间间隔太小，不同目标之间诱发的频率设置不合理，不同目标之间颜色对比明显，被试者在注视刺激目标的过程中极易被影响，导致视觉诱发过程中注意力不集中，从而引入无效甚至不利数据。
因此，需要在视觉诱发过程中及时发现被试者的注意力是否受到影响，或者及时发现被试者休息时间过短，避免其影响后续试验中的注意力集中程度，并且在发现被试者被影响时还可以在后续的数据处理中降低无效数据或者不利数据的影响。
针对上述问题，目前尚未有有效的技术解决方案。
发明内容
本申请的目的在于提供一种SSVEP脑电信号处理方法及相关设备，可以及时提醒用户集中注意力或调整相邻两次刺激之间的休息时间。
第一方面，本申请提供了一种SSVEP脑电信号处理方法，包括步骤：
A1.获取用户在当前刺激源刺激下的脑电信号；
A2.通过滑窗方式从滤波后的脑电信号中提取多个子信号；
A3.识别各个所述子信号的刺激源，并统计识别结果不正确的累计次数；
A4.若累计次数大于预设的第一阈值，则提醒所述用户集中注意力或调整相邻两次刺激之间的休息时间。
本申请通过识别各个子信号的刺激源，并统计识别结果不正确的累计次数；若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间，从而在视觉诱发过程中及时发现被试者的注意力不集中并及时提醒用户集中注意力，有利于提高脑电信号的准确性，或者及时发现因休息时间过短而使用户产生视觉疲劳，导致脑电信号受到干扰，及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
优选地，步骤A1之后，步骤A2之前还包括：
对所述脑电信号进行滤波。
通过对脑电信号进行滤波，降低周围噪声的干扰以及工频噪声对脑电信号的影响。
优选地，步骤A2包括：
以预设的时间长度的窗口和预设的步长从前到后滑动，从滤波后的脑电信号中提取多个所述子信号。
优选地，步骤A3包括：
计算各个所述子信号与各个刺激源对应的参考信号之间的相关系数；
提取相关系数最大的参考信号对应的所述刺激源作为所述子信号的刺激源识别结果；
若所述刺激源识别结果不是所述当前刺激源，则判断为所述识别结果不正确;
统计不正确的识别结果的数量，得到识别结果不正确的累计次数。
优选地，步骤A4包括：
若所述识别结果不正确的累计次数大于所述第一阈值且小于预设的第二阈值，则判断所述用户注意力不集中，并提醒所述用户集中注意力，所述第二阈值比所述第一阈值大；
若所述识别结果不正确的累计次数大于或等于所述第二阈值，则判断所述休息时间过短，并调整所述休息时间。
通过设置第二阈值，当识别结果不正确的累计次数大于第一阈值且小于第二阈值时，则认为用户注意力不集中，可及时提醒用户集中注意力，有利于提高脑电信号的准确性；当识别结果不正确的累计次数大于或等于第二阈值时，则认为不是用户注意力不集中，而是两次刺激之间的休息时间过短，用户视觉疲劳导致过多的子信号识别结果不正确，因此，需要调整休息时间，从而有利于提高脑电信号的准确性。
优选地，步骤A4之后包括步骤：
若所述识别结果不正确的累计次数的占比大于或等于预设的第三阈值，则舍弃所述脑电信号；
若所述识别结果不正确的累计次数的占比小于所述第三阈值，则对干扰数据进行剔除，所述干扰数据是指所述脑电信号中存在干扰的信号片段。
优选地，所述若所述识别结果不正确的累计次数的占比小于所述第三阈值，则对干扰数据进行剔除的步骤包括：
若第一个所述子信号为不正确信号，则将第一个所述子信号的始端至相邻的所述子信号的始端之间的数据作为干扰数据进行剔除；所述不正确信号是指所述识别结果不正确的所述子信号；
若在第一个所述子信号之后存在独立的不正确信号，则将所述独立的不正确信号相邻前一个所述子信号的末端至所述独立的不正确信号的末端之间的数据作为干扰数据进行剔除；所述独立的不正确信号是指与之相邻的两个所述子信号均不是不正确信号的所述子信号；
若在第一个所述子信号之后存在多个连续的不正确信号，则将所述多个连续的不正确信号前最后一个不是不正确信号的所述子信号的末端至所述多个连续的不正确信号的重叠部分末端的数据作为干扰数据进行剔除；
若最后一个所述子信号为不正确信号，且倒数第二个所述子信号不是不正确信号，则将倒数第二个所述子信号的末端到最后一个所述子信号的末端之间的数据作为干扰数据进行剔除。
由上可知，本申请提供的一种SSVEP脑电信号处理方法是通过识别各个子信号的刺激源，并统计识别结果不正确的累计次数；若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间，从而在视觉诱发过程中及时发现被试者的注意力不集中并及时提醒用户集中注意力，有利于提高脑电信号的准确性，或者及时发现因休息时间过短而使用户产生视觉疲劳，导致脑电信号受到干扰，及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
第二方面，本申请提供了一种SSVEP脑电信号处理装置，包括：
获取模块，用于获取用户在当前刺激源刺激下的脑电信号；
提取模块，用于通过滑窗方式从滤波后的脑电信号中提取多个子信号；
识别模块，用于识别各个所述子信号的刺激源，并统计识别结果不正确的累计次数；
处理模块，用于若累计次数大于预设的第一阈值，则提醒所述用户集中注意力或调整相邻两次刺激之间的休息时间。
第三方面，本申请提供了一种电子设备，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如前文所述SSVEP脑电信号处理方法中的步骤。
第四方面，本申请提供了一种计算机存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如前文所述SSVEP脑电信号处理方法中的步骤。
有益效果
本申请提供的SSVEP脑电信号处理方法及相关设备，获取用户在当前刺激源刺激下的脑电信号；通过滑窗方式从滤波后的脑电信号中提取多个子信号；识别各个所述子信号的刺激源，并统计识别结果不正确的累计次数；若累计次数大于预设的第一阈值，则提醒所述用户集中注意力或调整相邻两次刺激之间的休息时间，从而在视觉诱发过程中及时发现被试者的注意力不集中并及时提醒用户集中注意力，有利于提高脑电信号的准确性，或者及时发现因休息时间过短而使用户产生视觉疲劳，导致脑电信号受到干扰，及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
附图说明
图1为本申请提供的SSVEP脑电信号处理方法的流程图。
图2为本申请提供的SSVEP脑电信号处理装置的结构示意图。
图3为本申请提供的电子设备的结构示意图。
图4为不同刺激源刺激的示意图。
图5为通过滑窗方式从脑电信号中提取的多个子信号的效果示意图。
图6为脑电信号中存在干扰数据的一种效果示意图。
图7为脑电信号中存在干扰数据的另一种效果示意图。
标号说明:1、获取模块；2、提取模块；3、识别模块；4、处理模块；301、处理器；302、存储器；303、通信总线。
实施方式
下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
请参照图1，图1是本申请提供了一种SSVEP脑电信号处理方法，包括步骤：
A1.获取用户在当前刺激源刺激下的脑电信号；
A2.通过滑窗方式从滤波后的脑电信号中提取多个子信号；
A3.识别各个子信号的刺激源，并统计识别结果不正确的累计次数；
A4.若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间。
具体地，通过识别各个子信号的刺激源，并统计识别结果不正确的累计次数；若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间，从而在视觉诱发过程中及时发现被试者的注意力不集中并及时提醒用户集中注意力，有利于提高脑电信号的准确性，或者及时发现因休息时间过短而使用户产生视觉疲劳，导致脑电信号受到干扰，及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
其中，当前刺激源是设备本身选用的（一般地，设备在采集脑电信号时，会从若干种预设的刺激源中选定一种用于对受试者进行刺激），因此当前当刺激源的类型是已知的。
在实际应用中，不同刺激源之间会有休息时间，利用刺激源对用户进行一定时间的刺激，例如，如图4所示，在刺激源A和刺激源B之间设有休息时间（图中TSI）,用户的视觉被刺激从而产生对应的脑电信号，通过滑窗方式从滤波后的该脑电信号中提取多个子信号，如图5所示，横坐标代表时间轴，图中的t代表子信号，例如，第一阈值设为0，10段子信号中，识别结果不正确的累计次数大于0，则可以提醒用户集中注意力或调整相邻两次刺激之间的休息时间，其中，第一阈值可以根据子信号的数量设置，此处不作具体限制。
在另一些实施方式中，步骤A1包括，获取用户在当前刺激源刺激下的预设时长的脑电信号。其中，预设时长范围为1s-5s。
具体地，通过离线对样本数据进行对比分析，当预设时长设置过小，脑电信号的识别准确率明显降低，当预设时长设置过长时，脑电信号识别准确率提高不明显，数据传输率反而明显降低，因此，经过离线对样本数据进行试验，预设时长（如图5中的T0）的范围为1s-5s时，其脑电信号识别准确率明显提高，且数据传输率没有下降。
在一些实施方式中，步骤A1之后，步骤A2之前还包括：
对脑电信号进行滤波。
具体地，由于在脑电信号的采集过程中，会受到周围噪声的干扰以及工频噪声的影响，因此，需要对脑电信号进行噪音的滤除，例如，使用多阶巴特沃斯滤波器并设置滤波截止频率进行脑电信号的滤波，当高频截止频率超过50Hz时，还需增加50Hz的陷波滤波器对脑电信号进行工频滤波处理。
在一些实施例中，步骤A2包括：
以预设的时间长度的窗口和预设的步长从前到后滑动，从滤波后的脑电信号中提取多个子信号。
具体地，如图5所示，以预设的时间长度的窗口（图中的t的长度），预设的步长（图中的
）,按横坐标时间T，在刺激开始时，从前到后滑动窗口，从滤波后的脑电信号中提取多个子信号，方便后续识别各个子信号的刺激源。
在一些实施例中，步骤A3包括：
计算各个子信号与各个刺激源对应的参考信号之间的相关系数；
提取相关系数最大的参考信号对应的刺激源作为子信号的刺激源识别结果；
若刺激源识别结果不是当前刺激源，则判断为识别结果不正确;
统计不正确的识别结果的数量，得到识别结果不正确的累计次数。
具体地，通过计算各个子信号与各个刺激源对应的参考信号之间的相关系数，其中，计算公式为现有技术，例如相关分析算法，具体不限于此，获取各个子信号对应的刺激源，若获取的子信号对应的刺激源不是当前刺激源，则代表该子信号的识别结果不正确，并统计识别结果不正确的累计次数。
在一些实施例中，步骤A4包括：
若识别结果不正确的累计次数大于第一阈值且小于预设的第二阈值，则判断用户注意力不集中，并提醒用户集中注意力，第二阈值比第一阈值大；
若识别结果不正确的累计次数大于或等于第二阈值，则判断休息时间过短，并调整休息时间。
具体地，通过设置第二阈值，当识别结果不正确的累计次数大于第一阈值且小于第二阈值时，则认为用户注意力不集中，可及时提醒用户集中注意力，有利于提高脑电信号的准确性；当识别结果不正确的累计次数大于或等于第二阈值时，则认为不是用户注意力不集中，而是两次刺激之间的休息时间过短，用户视觉疲劳导致过多的子信号识别结果不正确，例如，当提取10段子信号，第一阈值设为1，第二阈值设为3，若10段子信号中的识别结果不正确的累计次数大于1且小于3，则认为用户是注意力不集中，若10段子信号中的识别结果不正确的累计次数大于3，则认为用户不是注意力不集中，而是两次刺激之间休息时间过短，导致用户视觉疲劳，产生干扰数据。因此，需要调整休息时间，从而有利于提高脑电信号的准确性，其中，第二阈值可根据子信号的具体数量来设置，此处不作具体限制。
在另一些实施方式中，在获取当前刺激源刺激下的脑电信号之前的预设时间内，若提醒用户集中注意力的次数大于第四阈值时，且当前刺激源刺激下的脑电信号的统计识别结果不正确的累计次数大于预设的第一阈值，则调整相邻两次刺激之间的休息时间。
具体地，由于每次获取的脑电信号都会进行统计识别结果不正确的累计次数，若在当前时间之前一段时间内（预先设置好的）的统计识别结果不正确的累计次数大于第四阈值时，并且用户在当前刺激源刺激下的脑电信号的识别结果不正确的累计次数依然大于预设的第一阈值，则认为用户并不是注意力不集中，而是用户过于疲劳，无法集中注意力，则及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
在一些实施例中，步骤A4之后包括步骤：
若识别结果不正确的累计次数的占比大于或等于预设的第三阈值，则舍弃脑电信号；
若识别结果不正确的累计次数的占比小于第三阈值，则对干扰数据进行剔除，干扰数据是指脑电信号中存在干扰的信号片段。
具体地，通过设置第三阈值，如果识别结果不正确的累计次数的占比大于或等于第三阈值，则认为该段脑电信号的干扰数据过多，准确性比较低，应该舍弃，若识别结果不正确的累计次数的占比小于第三阈值，则认为该段脑电信号的数据还可以进行利用，将干扰数据进行剔除，确保保留的数据是有效数据，例如，提取10段子信号，第三阈值设为0.7，若识别结果不正确的累计次数为6，则识别结果不正确的累计次数的占比为0.6，小于第三阈值，则对干扰数据进行剔除，若识别结果不正确的累计次数为7，则识别结果不正确的累计次数的占比为0.7，等于第三阈值，其干扰数据过多，则舍弃该段脑电信号，其中，第三阈值可根据子信号的具体数量来设置，此处不作具体限制。
在一些实施方式中，若识别结果不正确的累计次数的占比小于第三阈值，则对干扰数据进行剔除的步骤包括：
若第一个子信号为不正确信号，则将第一个子信号的始端至相邻的子信号的始端之间的数据作为干扰数据进行剔除；不正确信号是指识别结果不正确的子信号；
若在第一个子信号之后存在独立的不正确信号，则将独立的不正确信号相邻前一个子信号的末端至独立的不正确信号的末端之间的数据作为干扰数据进行剔除；独立的不正确信号是指与之相邻的两个子信号均不是不正确信号的子信号；
若在第一个子信号之后存在多个连续的不正确信号，则将多个连续的不正确信号前最后一个不是不正确信号的子信号的末端至多个连续的不正确信号的重叠部分末端的数据作为干扰数据进行剔除；
若最后一个子信号为不正确信号，且倒数第二个子信号不是不正确信号，则将倒数第二个子信号的末端到最后一个子信号的末端之间的数据作为干扰数据进行剔除。
具体的，如图6所示，图中的横坐标代表时间，从左到右代表时间的前后，因此，从左侧开始，第一个滑动窗口t即代表第一个子信号，依次类推，若第一个子信号为不正确信号，则将第一个子信号的始端至相邻的子信号的始端之间的数据（即图6中左侧的阴影长方条部分的数据）作为干扰数据进行剔除；若在第一个子信号之后存在独立的不正确信号，则将独立的不正确信号相邻前一个子信号的末端至独立的不正确信号的末端之间的数据（图7中左侧第一条阴影长方条部分的数据和左侧第三条阴影长方条部分的数据）作为干扰数据进行剔除；若在第一个子信号之后存在多个连续的不正确信号，则将多个连续的不正确信号前最后一个不是不正确信号的子信号的末端至多个连续的不正确信号的重叠部分末端的数据（例如图6中左侧第二条和第三条阴影长方条部分的数据、图7中左侧第二条阴影长方条部分的数据）作为干扰数据进行剔除；若最后一个子信号为不正确信号，且倒数第二个子信号不是不正确信号，则将倒数第二个子信号的末端到最后一个子信号的末端之间的数据（如图7中最右侧的阴影长方条部分的数据）作为干扰数据进行剔除。
由上可知，本申请提供的SSVEP脑电信号处理方法，获取用户在当前刺激源刺激下的脑电信号；通过滑窗方式从滤波后的脑电信号中提取多个子信号；识别各个子信号的刺激源，并统计识别结果不正确的累计次数；若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间，从而在视觉诱发过程中及时发现被试者的注意力不集中并及时提醒用户集中注意力，有利于提高脑电信号的准确性，或者及时发现因休息时间过短而使用户产生视觉疲劳，导致脑电信号受到干扰，及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
请参考图2，本申请提供了一种SSVEP脑电信号处理装置，包括：
获取模块1，用于获取用户在当前刺激源刺激下的脑电信号；
提取模块2，用于通过滑窗方式从滤波后的脑电信号中提取多个子信号；
识别模块3，用于识别各个子信号的刺激源，并统计识别结果不正确的累计次数；
处理模块4，用于若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间。
具体地，通过识别各个子信号的刺激源，并统计识别结果不正确的累计次数；若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间，从而在视觉诱发过程中及时发现被试者的注意力不集中并及时提醒用户集中注意力，有利于提高脑电信号的准确性，或者及时发现因休息时间过短而使用户产生视觉疲劳，导致脑电信号受到干扰，及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
其中，当前刺激源是设备本身选用的（一般地，设备在采集脑电信号时，会从若干种预设的刺激源中选定一种用于对受试者进行刺激），因此当前当刺激源的类型是已知的。
在实际应用中，不同刺激源之间会有休息时间，利用刺激源对用户进行一定时间的刺激，例如，如图4所示，在刺激源A和刺激源B之间设有休息时间TSI,用户的视觉被刺激从而产生对应的脑电信号，通过滑窗方式从该脑电信号中提取多个子信号，如图5所示，横坐标代表时间轴，图中的t代表子信号，例如，第一阈值设为0，10段子信号中，识别结果不正确的累计次数大于0，则可以提醒用户集中注意力或调整相邻两次刺激之间的休息时间，其中，第一阈值可以根据子信号的数量设置，此处不作具体限制。
在另一些实施方式中，获取模块1还用于获取用户在当前刺激源刺激下的预设时长的脑电信号。其中，预设时长范围为1s-5s。
具体地，通过离线对样本数据进行对比分析，当预设时长设置过小，脑电信号的识别准确率明显降低，当预设时长设置过长时，脑电信号识别准确率提高不明显，数据传输率反而明显降低，因此，经过离线对样本数据进行试验，预设时长（如图5中的T0）的范围为1s-5s。
在一些实施方式中，SSVEP脑电信号处理装置还包括：
滤波模块，用于对脑电信号进行滤波。
具体地，由于在脑电信号的采集过程中，会受到周围噪声的干扰以及工频噪声的影响，因此，需要对脑电信号进行噪音的滤除，例如，使用多阶巴特沃斯滤波器并设置滤波截止频率进行脑电信号的滤波，当高频截止频率超过50Hz时，还需增加50Hz的陷波滤波器对脑电信号进行工频滤波处理。
在一些实施例中，提取模块2在通过滑窗方式从滤波后的脑电信号中提取多个子信号的时候，具体执行：
以预设的时间长度的窗口和预设的步长从前到后滑动，从滤波后的脑电信号中提取多个子信号。
具体地，如图5所示，以预设的时间长度的窗口（图中的t的长度），预设的步长（图中的
）,按横坐标时间T，在刺激开始时，从前到后滑动窗口，从滤波后的脑电信号中提取多个子信号，方便后续识别各个子信号的刺激源。
在一些实施例中，识别模块3在识别各个子信号的刺激源，并统计识别结果不正确的累计次数的时候，具体执行：
计算各个子信号与各个刺激源对应的参考信号之间的相关系数；
提取相关系数最大的参考信号对应的刺激源作为子信号的刺激源识别结果；
若刺激源识别结果不是当前刺激源，则判断为识别结果不正确;
统计不正确的识别结果的数量，得到识别结果不正确的累计次数。
具体地，通过计算各个子信号与各个刺激源对应的参考信号之间的相关系数，其中，计算公式为现有技术，例如相关分析算法，具体不限于此，获取各个子信号对应的刺激源，若获取的子信号对应的刺激源不是当前刺激源，则代表该子信号的识别结果不正确，并统计识别结果不正确的累计次数。
在一些实施例中，处理模块4在若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间的时候，具体执行：
若识别结果不正确的累计次数大于第一阈值且小于预设的第二阈值，则判断用户注意力不集中，并提醒用户集中注意力，第二阈值比第一阈值大；
若识别结果不正确的累计次数大于或等于第二阈值，则判断休息时间过短，并调整休息时间。
具体地，通过设置第二阈值，当识别结果不正确的累计次数大于第一阈值且小于第二阈值时，则认为用户注意力不集中，可及时提醒用户集中注意力，有利于提高脑电信号的准确性；当识别结果不正确的累计次数大于或等于第二阈值时，则认为不是用户注意力不集中，而是两次刺激之间的休息时间过短，用户视觉疲劳导致过多的子信号识别结果不正确，例如，当提取10段子信号，第一阈值设为1，第二阈值设为3，若10段子信号中的识别结果不正确的累计次数大于1且小于3，则认为用户是注意力不集中，若10段子信号中的识别结果不正确的累计次数大于3，则认为用户不是注意力不集中，而是两次刺激之间休息时间过短，导致用户视觉疲劳，产生干扰数据。因此，需要调整休息时间，从而有利于提高脑电信号的准确性，其中，第二阈值可根据子信号的具体数量来设置，此处不作具体限制。
在另一些实施方式中，在获取当前刺激源刺激下的脑电信号之前的预设时间内，若提醒用户集中注意力的次数大于第四阈值时，且当前刺激源刺激下的脑电信号的统计识别结果不正确的累计次数大于预设的第一阈值，则调整相邻两次刺激之间的休息时间。
具体地，由于每次获取的脑电信号都会进行统计识别结果不正确的累计次数，若在当前时间之前一段时间内（预先设置好的）的统计识别结果不正确的累计次数大于第四阈值时，并且用户在当前刺激源刺激下的脑电信号的识别结果不正确的累计次数依然大于预设的第一阈值，则认为用户并不是注意力不集中，而是用户过于疲劳，无法集中注意力，则及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
在一些实施例中，处理模块4在执行若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间的步骤之后，还具体执行：
若识别结果不正确的累计次数的占比大于或等于预设的第三阈值，则舍弃脑电信号；
若识别结果不正确的累计次数的占比小于第三阈值，则对干扰数据进行剔除，干扰数据是指脑电信号中存在干扰的信号片段。
具体地，通过设置第三阈值，如果识别结果不正确的累计次数的占比大于或等于第三阈值，则认为该段脑电信号的干扰数据过多，准确性比较低，应该舍弃，若识别结果不正确的累计次数的占比小于第三阈值，则认为该段脑电信号的数据还可以进行利用，将干扰数据进行剔除，确保保留的数据是有效数据，例如，提取如图5中的10段子信号，第三阈值设为0.7，若识别结果不正确的累计次数为6，则识别结果不正确的累计次数的占比为0.6，小于第三阈值，则对干扰数据进行剔除，若识别结果不正确的累计次数为7，则识别结果不正确的累计次数的占比为0.7，等于第三阈值，其干扰数据过多，则舍弃该段脑电信号，其中，第三阈值可根据子信号的具体数量来设置，此处不作具体限制。
在一些实施方式中，若识别结果不正确的累计次数的占比小于第三阈值，则对干扰数据进行剔除的步骤包括：
若第一个子信号为不正确信号，则将第一个子信号的始端至相邻的子信号的始端之间的数据作为干扰数据进行剔除；不正确信号是指识别结果不正确的子信号；
若在第一个子信号之后存在独立的不正确信号，则将独立的不正确信号相邻前一个子信号的末端至独立的不正确信号的末端之间的数据作为干扰数据进行剔除；独立的不正确信号是指与之相邻的两个子信号均不是不正确信号的子信号；
若在第一个子信号之后存在多个连续的不正确信号，则将多个连续的不正确信号前最后一个不是不正确信号的子信号的末端至多个连续的不正确信号的重叠部分末端的数据作为干扰数据进行剔除；
若最后一个子信号为不正确信号，且倒数第二个子信号不是不正确信号，则将倒数第二个子信号的末端到最后一个子信号的末端之间的数据作为干扰数据进行剔除。
具体的，如图6所示，图中的横坐标代表时间，从左到右代表时间的前后，因此，从左侧开始，第一个滑动窗口t即代表第一个子信号，依次类推，若第一个子信号为不正确信号，则将第一个子信号的始端至相邻的子信号的始端之间的数据（即图6中左侧的阴影长方条部分的数据）作为干扰数据进行剔除；若在第一个子信号之后存在独立的不正确信号，则将独立的不正确信号相邻前一个子信号的末端至独立的不正确信号的末端之间的数据（图7中左侧第一条阴影长方条部分的数据和左侧第三条阴影长方条部分的数据）作为干扰数据进行剔除；若在第一个子信号之后存在多个连续的不正确信号，则将多个连续的不正确信号前最后一个不是不正确信号的子信号的末端至多个连续的不正确信号的重叠部分末端的数据（例如图6中左侧第二条和第三条阴影长方条部分的数据、图7中左侧第二条阴影长方条部分的数据）作为干扰数据进行剔除；若最后一个子信号为不正确信号，且倒数第二个子信号不是不正确信号，则将倒数第二个子信号的末端到最后一个子信号的末端之间的数据（如图7中最右侧的阴影长方条部分的数据）作为干扰数据进行剔除。
由上可知，本申请提供的SSVEP脑电信号处理装置，获取用户在当前刺激源刺激下的脑电信号；通过滑窗方式从滤波后的脑电信号中提取多个子信号；识别各个子信号的刺激源，并统计识别结果不正确的累计次数；若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间，从而在视觉诱发过程中及时发现被试者的注意力不集中并及时提醒用户集中注意力，有利于提高脑电信号的准确性，或者及时发现因休息时间过短而使用户产生视觉疲劳，导致脑电信号受到干扰，及时调整相邻两次刺激之间的休息时间，有利于提高脑电信号的准确性。
请参照图3，图3为本申请实施例提供的一种电子设备的结构示意图，本申请提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机程序，当电子设备运行时，处理器301执行该计算机程序，以执行上述实施例的任一可选的实现方式中的SSVEP脑电信号处理方法，以实现以下功能：获取用户在当前刺激源刺激下的脑电信号; 通过滑窗方式从滤波后的脑电信号中提取多个子信号; 识别各个子信号的刺激源，并统计识别结果不正确的累计次数; 若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间。
本申请实施例提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的SSVEP脑电信号处理方法，以实现以下功能：获取用户在当前刺激源刺激下的脑电信号; 通过滑窗方式从滤波后的脑电信号中提取多个子信号; 识别各个子信号的刺激源，并统计识别结果不正确的累计次数; 若累计次数大于预设的第一阈值，则提醒用户集中注意力或调整相邻两次刺激之间的休息时间。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static Random Access Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically Erasable Programmable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（Erasable Programmable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-Only Memory,简称ROM），磁存储器，快闪存储器，磁盘或光盘。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
Claims (8)
1.一种SSVEP脑电信号处理方法，其特征在于，包括步骤：
A1.获取用户在当前刺激源刺激下的脑电信号；
A2.通过滑窗方式从滤波后的脑电信号中提取多个子信号；
A3.识别各个所述子信号的刺激源，并统计识别结果不正确的累计次数；
A4.若累计次数大于预设的第一阈值，则提醒所述用户集中注意力或调整相邻两次刺激之间的休息时间；
步骤A1包括，获取用户在当前刺激源刺激下的预设时长的脑电信号，其中，预设时长范围为1s-5s；
步骤A3包括：
计算各个所述子信号与各个刺激源对应的参考信号之间的相关系数；
提取相关系数最大的参考信号对应的所述刺激源作为所述子信号的刺激源识别结果；
若所述刺激源识别结果不是所述当前刺激源，则判断为所述识别结果不正确；
统计不正确的识别结果的数量，得到识别结果不正确的累计次数；
步骤A4之后包括步骤：
若所述识别结果不正确的累计次数的占比大于或等于预设的第三阈值，则舍弃所述脑电信号；
若所述识别结果不正确的累计次数的占比小于所述第三阈值，则对干扰数据进行剔除，所述干扰数据是指所述脑电信号中存在干扰的信号片段。
2.根据权利要求1所述的SSVEP脑电信号处理方法，其特征在于，步骤A1之后，步骤A2之前还包括：
对所述脑电信号进行滤波。
3.根据权利要求1所述的SSVEP脑电信号处理方法，其特征在于，步骤A2包括：
以预设的时间长度的窗口和预设的步长从前到后滑动，从滤波后的脑电信号中提取多个所述子信号。
4.根据权利要求1所述的SSVEP脑电信号处理方法，其特征在于，步骤A4包括：
若所述识别结果不正确的累计次数大于所述第一阈值且小于预设的第二阈值，则判断所述用户注意力不集中，并提醒所述用户集中注意力，所述第二阈值比所述第一阈值大；
若所述识别结果不正确的累计次数大于或等于所述第二阈值，则判断所述休息时间过短，并调整所述休息时间。
5.根据权利要求1所述的SSVEP脑电信号处理方法，其特征在于，所述若所述识别结果不正确的累计次数的占比小于所述第三阈值，则对干扰数据进行剔除的步骤包括：
若第一个所述子信号为不正确信号，则将第一个所述子信号的始端至相邻的所述子信号的始端之间的数据作为干扰数据进行剔除；所述不正确信号是指所述识别结果不正确的所述子信号；
若在第一个所述子信号之后存在独立的不正确信号，则将所述独立的不正确信号相邻前一个所述子信号的末端至所述独立的不正确信号的末端之间的数据作为干扰数据进行剔除；所述独立的不正确信号是指与之相邻的两个所述子信号均不是不正确信号的所述子信号；
若在第一个所述子信号之后存在多个连续的不正确信号，则将所述多个连续的不正确信号前最后一个不是不正确信号的所述子信号的末端至所述多个连续的不正确信号的重叠部分末端的数据作为干扰数据进行剔除；
若最后一个所述子信号为不正确信号，且倒数第二个所述子信号不是不正确信号，则将倒数第二个所述子信号的末端到最后一个所述子信号的末端之间的数据作为干扰数据进行剔除。
6.一种SSVEP脑电信号处理装置，其特征在于，包括：
获取模块，用于获取用户在当前刺激源刺激下的脑电信号；
提取模块，用于通过滑窗方式从滤波后的脑电信号中提取多个子信号；
识别模块，用于识别各个所述子信号的刺激源，并统计识别结果不正确的累计次数；
处理模块，用于若累计次数大于预设的第一阈值，则提醒所述用户集中注意力或调整相邻两次刺激之间的休息时间；
获取模块还用于获取用户在当前刺激源刺激下的预设时长的脑电信号，其中，预设时长范围为1s-5s；
识别模块在识别各个所述子信号的刺激源，并统计识别结果不正确的累计次数的时候，具体执行：
计算各个所述子信号与各个刺激源对应的参考信号之间的相关系数；
提取相关系数最大的参考信号对应的所述刺激源作为所述子信号的刺激源识别结果；
若所述刺激源识别结果不是所述当前刺激源，则判断为所述识别结果不正确；
统计不正确的识别结果的数量，得到识别结果不正确的累计次数；
处理模块在执行若累计次数大于预设的第一阈值，则提醒所述用户集中注意力或调整相邻两次刺激之间的休息时间的步骤之后，还具体执行：
若所述识别结果不正确的累计次数的占比大于或等于预设的第三阈值，则舍弃所述脑电信号；
若所述识别结果不正确的累计次数的占比小于所述第三阈值，则对干扰数据进行剔除，所述干扰数据是指所述脑电信号中存在干扰的信号片段。
7.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时，运行如权利要求1-5任一项所述SSVEP脑电信号处理方法中的步骤。
8.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时运行如权利要求1-5任一项所述SSVEP脑电信号处理方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310118093.7A CN115857701B (zh) | 2023-02-15 | 2023-02-15 | 一种ssvep脑电信号处理方法及相关设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310118093.7A CN115857701B (zh) | 2023-02-15 | 2023-02-15 | 一种ssvep脑电信号处理方法及相关设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115857701A CN115857701A (zh) | 2023-03-28 |
| CN115857701B true CN115857701B (zh) | 2023-06-02 |
Family
ID=85658115
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310118093.7A Active CN115857701B (zh) | 2023-02-15 | 2023-02-15 | 一种ssvep脑电信号处理方法及相关设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115857701B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117493779B (zh) * | 2024-01-03 | 2024-03-15 | 小舟科技有限公司 | 一种降低视觉疲劳的ssvep信号处理方法、装置、设备及介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108985029A (zh) * | 2018-06-05 | 2018-12-11 | 中国科学院半导体研究所 | 基于视觉刺激的脑电身份识别方法 |
| CN111511269A (zh) * | 2017-09-08 | 2020-08-07 | 国家科学研究中心 | 从脑电图信号解码个人的视觉注意 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8369939B2 (en) * | 2007-10-29 | 2013-02-05 | Panasonic Corporation | Activation apparatus, method, and computer program for brainwave interface system |
| CA2873039A1 (en) * | 2012-05-08 | 2013-11-14 | Cerephex Corporation | Method and apparatus for treating centralized pain |
| CN113672082B (zh) * | 2021-07-12 | 2024-09-06 | 华南理工大学 | 一种多通道高共模抑制比低功耗脑电采集的脑机接口系统 |
| CN114224364B (zh) * | 2022-02-21 | 2022-05-17 | 深圳市心流科技有限公司 | 用于专注力训练的脑电波信号处理方法、装置及存储介质 |
-
2023
- 2023-02-15 CN CN202310118093.7A patent/CN115857701B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111511269A (zh) * | 2017-09-08 | 2020-08-07 | 国家科学研究中心 | 从脑电图信号解码个人的视觉注意 |
| CN108985029A (zh) * | 2018-06-05 | 2018-12-11 | 中国科学院半导体研究所 | 基于视觉刺激的脑电身份识别方法 |
Non-Patent Citations (1)
| Title |
|---|
| 稳态视觉诱发电位及其在视觉选择性注意研究中的应用;陈晓宇;程子健;胡成谧;梁腾飞;刘强;;科学通报;第65卷(第24期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115857701A (zh) | 2023-03-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112690793B (zh) | 情绪脑电迁移模型训练方法、系统及情绪识别方法和设备 | |
| CN103690163B (zh) | 基于ica和hht融合的自动眼电干扰去除方法 | |
| CN111134667B (zh) | 基于脑电信号的时间迁移情绪识别方法及系统 | |
| CN112603335B (zh) | 脑电情感识别方法、系统、设备及存储介质 | |
| CN115857701B (zh) | 一种ssvep脑电信号处理方法及相关设备 | |
| Tcheslavski et al. | Alcoholism-related alterations in spectrum, coherence, and phase synchrony of topical electroencephalogram | |
| CN111671420B (zh) | 一种从静息态脑电数据中提取特征的方法及终端设备 | |
| US20180011532A1 (en) | Methods and apparatuses for determining head movement | |
| CN105956623A (zh) | 一种基于模糊熵的癫痫脑电信号分类方法 | |
| CN107563325B (zh) | 一种测试疲劳度的方法、装置及终端设备 | |
| CN109770900B (zh) | 基于卷积神经网络的脑机接口指令下发方法、系统、装置 | |
| CN108172212A (zh) | 一种基于置信度的语音语种识别方法及系统 | |
| CN110910878B (zh) | 语音唤醒控制方法、装置、存储介质及家电设备 | |
| CN108765442A (zh) | 一种基于室外多变光照条件下农田绿色作物快速分割方法 | |
| CN113705464B (zh) | 一种用于解决运动想象脑机接口中特征迁移问题的域适应方法 | |
| CN113925517B (zh) | 基于脑电信号的认知障碍识别方法、装置及介质 | |
| US5823190A (en) | Automatization of electro-oculographic examination | |
| CN110464345B (zh) | 一种独立头部生物电源信号干扰剔除方法及系统 | |
| CN113017649A (zh) | 脑电活动识别方法、装置、电子设备及介质 | |
| CN115844421B (zh) | 一种基于分数阶傅里叶变换的脑电情感识别方法及设备 | |
| CN114366101B (zh) | 运动想象脑电信号分类方法、装置、设备和存储介质 | |
| US20190237175A1 (en) | System for automated analysis of mcs log files | |
| CN115192044B (zh) | 一种基于数据延拓的单目标ssvep识别系统和方法 | |
| CN106889986B (zh) | 一种基于卡诺模型的脑电信号标定方法 | |
| CN118648899A (zh) | 一种脑电信号情绪分析方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |