一种面向RSVP脑-机接口的脑力负荷识别方法技术

本发明专利技术涉及一种面向RSVP脑‑机接口的脑力负荷识别方法，属于脑力负荷识别技术领域，解决了现有技术中无法准确评估RSVP‑BCI作业过程中，作业人员脑力负荷的问题。一种面向RSVP脑‑机接口的脑力负荷识别方法，包括以下步骤：以不同RSVP呈现频率分别呈现图像内容，当目标图像出现时，被试作出行为反应，并记录其行为学信息；提取被试者脑电信号，并进行预处理，以脑电信号的微分熵作为脑力负荷特征；对所述脑力负荷特征进行识别，得到脑力负荷识别结果。实现了RSVP‑BCI作业过程中，作业人员脑力负荷的准确识别，为RSVP‑BCI任务下脑力负荷监测提供了技术支持。

A Brain Load Recognition Method Oriented to RSVP Brain-Computer Interface

The present invention relates to a method for identifying mental workload oriented to RSVP brain-computer interface, belonging to the field of mental workload identification technology, and solves the problem that the existing technology can not accurately evaluate the mental workload of RSVP-BCI operators. A method of recognizing mental workload oriented to RSVP brain-computer interface includes the following steps: presenting image content with different RSVP presentation frequencies, responding to the target image when it appears, and recording its behavioral information; extracting and preprocessing the EEG signals of the subjects, taking the differential entropy of the EEG signals as the characteristics of mental workload; and specializing the mental workload. Signs are identified and the results of mental load identification are obtained. Accurate identification of worker's mental load during RSVP BCI operation is realized, which provides technical support for mental load monitoring under RSVP BCI task.

【技术实现步骤摘要】
一种面向RSVP脑-机接口的脑力负荷识别方法
本专利技术涉及脑力负荷识别
，尤其涉及一种面向RSVP脑-机接口的脑力负荷识别方法。
技术介绍
快速序列视觉呈现(rapidserialvisualpresentation，RSVP)指在相同的空间位置序列性地高速呈现图像的过程。基于RSVP的脑-机接口(Brain-computerinterface，BCI)，通过检测图像序列高速呈现过程中小概率目标刺激诱发的大脑响应，从而识别使用者所关注的目标图像。RSVP-BCI技术利用人类视觉系统的图像处理和理解能力，具有比机器视觉更加高效的信息处理能力。并且，相比于人工检测，RSVP-BCI技术具有省时、高效等优势。RSVP-BCI技术已被逐渐应用于人脸识别、医学图像分析等海量图像/信息处理领域。脑力负荷指的是满足系统实际需求所要的作业人员信息处理能力或认知资源的比例。任务认知资源占用率决定了脑力负荷水平。RSVP-BCI中，图像序列的呈现速度、目标多样性、目标种类数、目标比例等参数的变化，均会改变任务的认知资源占用率，从而引起作业人员脑力负荷的变化。过高的脑力负荷会造成作业人员快速疲劳、注意力降低、反应迟缓，从而对工作绩效产生影响，造成信息的误判、漏判，甚至操作失误引发安全隐患。因此，对快速目标图像处理任务造成的脑力负荷进行实时评估，实现作业人员脑力负荷的监测、反馈，并进一步实现人机动态任务分配，避免出现过高的脑力负荷，对作业人员工作绩效和安全性的提高具有重大意义。
技术实现思路
鉴于上述的分析，本专利技术旨在提供一种面向RSVP脑-机接口的脑力负荷识别方法，用以解决现有技术中无法评估RSVP-BCI作业过程中，作业人员脑力负荷的问题。本专利技术提供一种面向RSVP脑-机接口的脑力负荷识别方法，所述方法包括以下步骤：以不同RSVP呈现频率分别呈现图像内容，当目标图像出现时，被试者作出行为反应，并记录其行为学信息；提取被试者脑电信号，并进行预处理，以脑电信号的微分熵作为脑力负荷特征；对所述脑力负荷特征进行识别，得到脑力负荷识别结果。上述技术方案的有益效果为：实现了评估RSVP-BCI作业过程中，作业人员脑力负荷的问题。进一步地，以不同RSVP呈现频率分别呈现图像内容，具体包括，分别以低、中、高三种RSVP呈现频率aHz、bHz、cHz呈现m段图像内容，共有3*m段，其中，a＜b＜c，三种频率中的每段分别包括α、β、γ个组，每组中包含n张图像，n≥100，m≥2。上述进一步技术方案的有益效果为：通过低、中、高三种RSVP呈现频率，诱发被试者的不同水平的脑力负荷；三种频率中每段组数设置，是用以保证每段任务的有效时间一致，从而使得三种频率下的提取脑电信号有效长度一致。进一步地，提取被试着脑电信号具体包括：使用脑电采集系统，以前额为地，左乳突为参考，在一定的采样频率采集脑电初始信号；通过带通滤波器和陷波器进行带通滤波和去除工频干扰，提取得到被试着脑电信号。进一步地，对脑电信号进行预处理，以脑电信号的微分熵作为脑力负荷特征，具体包括：对提取到的脑电信号进行进行变参考处理，转化为双侧乳突参考信号；带通滤波到一定的频率范围，进行降采样处理；将降采样处理后脑电信号截取为多个数据片段；计算数据片段的微分熵作为脑力负荷特征。上述进一步技术方案的有益效果为：将脑力信号带通滤波和降采样处理以减少数据量，从而提高数据处理速度，通过将脑电信号截取为多个数据片段，便于求解脑电信号的微分熵。进一步地，将降采样处理后脑电信号截取为多个数据片段，具体包括：将每一段任务中所采集的脑电信号截取为多个时长相同且相邻无重叠的数据片段。进一步地，上述方法还包括，假设所述数据片段信号服从高斯分布，则其微分熵计算公式为：其中，σ2为信号方差。上述进一步技术方案的有益效果为：通过上述方法计算符合高斯分布的数据片段的微分熵。进一步地，对所述脑力负荷特征进行识别，得到脑力负荷识别结果，具体包括：采用支持向量机，选用线性核函数，对脑力负荷特征进行模式识别，得到脑力负荷识别结果。上述进一步技术方案的有益效果为：通过上述方案可以有效、快速的识别脑力负荷水平。进一步地，上述方案还包括对所述脑力负荷识别结果的正确率进行验证，具体包括：针对任意一种RSVP呈现频率，随机选择1段任务下的脑力负荷特征用于测试，剩余m-1段任务下的脑力负荷特征用于训练，得到一种脑力负荷识别结果，将所述脑力负荷结果和实际负荷水平做对比，得到一种识别正确率；随机选择另1段任务下的脑力负荷特征用于测试，剩余m-1段任务下的脑力负荷用于训练，得到另一种识别正确率，直至得到该频率下所有任务的脑力负荷特征识别正确率；求出其他两种RSVP呈现频率下所有任务的脑力负荷特征的识别正确率，将得到的所有正确率识别结果进行平均，得到脑力负荷识别正确率。上述进一步技术方案的有益效果为：通过上述对所述脑力负荷识别结果的正确率进行了验证，可以准确评估脑力负荷识别方法的有效性。进一步地，若所述脑力负荷识别结果的正确率不符合预期要求，则对所述脑力负荷特征，在时间维度上，采用一定窗宽的滑动平均滤波方法进行平滑处理，得到微分熵特征空间，然后在特征向量维度上，对所述微分熵特征空间进行筛选，将筛选后的特征集作为新的脑力负荷特征。上述进一步技术方案的有益效果为：通过上述方法从而去除微分熵特征中与脑力负荷无关的部分，增加脑力负荷特征的可信度，提高脑力识别结果的正确率。进一步地，对所述微分熵特征空间进行筛选，具体包括：基于互信息方法，从所述微分熵特征空间中寻找与目标脑力负荷类别有最大相关性且相互之间具有最少冗余性的特征集。专利技术中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。附图说明附图仅用于示出具体实施例的目的，而并不认为是对本专利技术的限制，在整个附图中，相同的参考符号表示相同的部件。图1为本专利技术实施例1所述方法的流程示意图。具体实施方式下面结合附图来具体描述本专利技术的优选实施例，其中，附图构成本申请一部分，并与本专利技术的实施例一起用于阐释本专利技术的原理，并非用于限定本专利技术的范围。实施例1本专利技术的一个具体实施例，公开了一种面向RSVP脑-机接口的脑力负荷识别方法,具体包括以下步骤：步骤S1、以三种不同RSVP呈现频率分别呈现图像内容，当目标图像出现时，被试者作出行为反应做出反应；针对RSVP-BCI任务，以低、中、高三种不同RSVP呈现频率呈现图像内容，其频率分别为aHz、bHz、cHz(a＜b＜c)，代表不同的任务难度，从而诱发被试(被试者)低、中、高三种脑力负荷水平；每种呈现频率的呈现图像内容各包括m(m≥2)个session(段)，共3×m个session，每个session中的图像内容随机出现；针对低、中、高三种呈现频率，session分别包含α、β、γ个block(组)；其中，以保证不同呈现频率下，每个session的RSVP呈现时间相同，此时，aHz、bHz、cHz三种频率条件下，每个session任务的有效性时间均为秒。每个b本文档来自技高网...

【技术保护点】
1.一种面向RSVP脑‑机接口的脑力负荷识别方法，其特征在于，包括以下步骤：以不同RSVP呈现频率分别呈现图像内容，当目标图像出现时，被试者作出行为反应，并记录其行为学信息；提取被试者脑电信号，并进行预处理，以脑电信号的微分熵作为脑力负荷特征；对所述脑力负荷特征进行识别，得到脑力负荷识别结果。

【技术特征摘要】
1.一种面向RSVP脑-机接口的脑力负荷识别方法，其特征在于，包括以下步骤：以不同RSVP呈现频率分别呈现图像内容，当目标图像出现时，被试者作出行为反应，并记录其行为学信息；提取被试者脑电信号，并进行预处理，以脑电信号的微分熵作为脑力负荷特征；对所述脑力负荷特征进行识别，得到脑力负荷识别结果。2.根据权利要求1所述方法，其特征在于，以不同RSVP呈现频率分别呈现图像内容，具体包括，分别以低、中、高三种RSVP呈现频率aHz、bHz、cHz呈现m段图像内容，共有3*m段，其中，a＜b＜c，三种频率中的每段分别包括α、β、γ个组，每组中包含n张图像，n≥100，m≥2。3.根据权利要求1所述的方法，其特征在于，提取被试者脑电信号具体包括：使用脑电采集系统，以前额为地，左乳突为参考，在一定的采样频率采集脑电初始信号；通过带通滤波器和陷波器进行带通滤波和去除工频干扰，提取得到被试者脑电信号。4.根据权利要求1所述的方法，其特征在于，对脑电信号进行预处理，以脑电信号的微分熵作为脑力负荷特征，具体包括：对提取到的脑电信号进行进行变参考处理，转化为双侧乳突参考信号；带通滤波到一定的频率范围，进行降采样处理；将降采样处理后脑电信号截取为多个数据片段；计算数据片段的微分熵作为脑力负荷特征。5.根据权利要求4所述的方法，其特征在于，将降采样处理后脑电信号截取为多个数据片段，具体包括：将每一段任务中所采集的脑电信号截取为多个时长相同且相邻无重叠的数据片段。6.根据权利要求4所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：奕伟波，刘洋，范新安，张利剑，
申请(专利权)人：北京机械设备研究所，
类型：发明
国别省市：北京,11