一种鲁棒扫视EOG信号识别方法及系统技术方案

本发明专利技术公开了一种鲁棒扫视EOG信号识别方法及系统,属于眼电技术领域，方法包括对EOG多通道眼动数据进行采集，获得时域上的眼动数据；对时域上的眼动数据进行预处理得到频域上的眼动数据；在频域上采用复值ICA算法对眼动数据进行盲源分离，得到各源信号在相应频点上的频域独立分量；对各频点独立分量进行补偿，还原独立分量在观测分量中的真实比例，通过约束DOA算法解决排序模糊问题；对补偿后和排序后的各频点的独立分量进行短时傅里叶逆变换处理，恢复为时域的多通道眼动数据；对时域上的多通道眼动数据进行提取功率谱密度特征，并将提取的特征送入支持向量机SVM中进行识别。本发明专利技术能准确对EOG信号进行识别。

A robust saccade EOG signal recognition method and system

The invention discloses a system and a robust EOG saccade signal recognition method, which belongs to the technical field of electric eye, including collection of multi channel EOG eye movement data, obtain the eye movement data in time domain to time domain; eye movement data pre-processing are eye tracking data in the frequency domain; the complex value ICA algorithm for blind source the eye movement data separation in the frequency domain, the source signal at the corresponding frequency point on the frequency domain independent component; to compensate the frequency independent component reduction, independent component proportion in real observation components in the order by constraint DOA algorithm to solve the fuzzy problem; independent component of the frequency compensation and sorted the short time Fourier transform, to restore the multi-channel eye movement data of the multi-channel time domain; eye movement data to extract the time domain characteristics of the power spectral density, and the extraction. Recognition in SVM with support vector machines. The invention can accurately identify the EOG signal.

【技术实现步骤摘要】
一种鲁棒扫视EOG信号识别方法及系统
本专利技术涉及眼电(Electrooculography,EOG)
，特别涉及一种基于多通道盲解卷积的鲁棒扫视EOG信号识别方法及系统。
技术介绍
基于生物电的人-机交互(Human-ComputerInteraction，HCI)作为常规人机交互方法的一种补充，在一些特殊的应用场景下，比如：残疾群体与外界环境的交互，临床病人的监护，特殊环境下的通信，驾驶员的疲劳检测等方面都具有较强的实际应用价值。由于EOG能反映不同行为状态下的眼球运动模式，因此，基于EOG的人机交互技术已经成为一个新的研究热点。眼球是一个双极性球体，角膜在眼球系统中呈现正电位，视网膜呈现负电位，所谓的眼球信号是由于眼球转动时角膜和视网膜之间产生的电势差而引起的。该电势由于视网膜上皮和光感受器细胞发起，其正极位于光感受器端，负极位于视网膜色素上皮端，所产生的电流从视网膜端流向角膜端，从而形成一个幅值约为0.4mV～10mV、角膜为正极，视网膜为负极的电势，我们称这种电势为眼电信号，当人的眼球运动时，眼电信号的幅值会随着眼球的运动而不断发生变化，将这种变化的电势绘制到时间轴本文档来自技高网...

【技术保护点】
一种鲁棒扫视EOG信号识别方法，其特征在于，包括：S1、对多通道EOG数据进行采集，获得时域上的眼动数据；S2、对时域上的眼动数据进行预处理得到频域上的眼动数据；S3、在频域上，采用复值ICA算法对各频点的眼动数据进行盲源分离，得到各独立源信号在相应频点上的频域独立分量；S4、对各频点上的独立分量进行尺度补偿，还原独立分量在观测分量中的真实比例成分；S5、采用约束DOA算法对补偿后的独立分量进行处理，使得每个频点f上的独立源都按照方向角从小到大排列；S6、对尺度补偿后和排序后的各频点的独立分量进行短时傅里叶逆变换处理，得到时域上每个通道独立源完整的时间信号；S7、对时域上的每个通道独立源完整的...

【技术特征摘要】
1.一种鲁棒扫视EOG信号识别方法，其特征在于，包括：S1、对多通道EOG数据进行采集，获得时域上的眼动数据；S2、对时域上的眼动数据进行预处理得到频域上的眼动数据；S3、在频域上，采用复值ICA算法对各频点的眼动数据进行盲源分离，得到各独立源信号在相应频点上的频域独立分量；S4、对各频点上的独立分量进行尺度补偿，还原独立分量在观测分量中的真实比例成分；S5、采用约束DOA算法对补偿后的独立分量进行处理，使得每个频点f上的独立源都按照方向角从小到大排列；S6、对尺度补偿后和排序后的各频点的独立分量进行短时傅里叶逆变换处理，得到时域上每个通道独立源完整的时间信号；S7、对时域上的每个通道独立源完整的时间信号提取功率谱密度特征，并将提取的特征送入支持向量机SVM中进行识别，得到EOG信号识别结果。2.如权利要求1所述的方法，其特征在于，所述的步骤S2，还包括：对所述时域上的眼动数据进行带通滤波及去均值处理，得到处理后的眼动数据；对处理后的眼动数据做短时傅里叶变换，将其从时域变换到频域，获取在某一频率点fk上的频域观测数据。3.如权利要求1所述的方法，其特征在于，所述步骤S4中的对各频点上的独立分量进行尺度补偿，具体包括：根据复值ICA算法中的各频点的分离矩阵，得到对应频点的混合矩阵，其中分离矩阵和混合矩阵互为逆矩阵；利用混合矩阵的系数各频点的独立分量进行补偿，得到补偿后各频点的独立分量。4.如权利要求3所述的方法，其特征在于，所述步骤S5中的采用约束DOA算法对补偿后的独立分量进行排序处理，具体包括：a、为每一个独立源初始化一个角度；b、通过Root-Music算法计算每个频点的不同行，可以得到各个源方向的估计，其中分离矩阵的行对应不同的独立源；c、设置各独立源的方向角度与初始化角度的接近性度量为ε(y,θ)，并在迭代过程中，判断各独立源的角度与初始化角度是否相同；d、若相同则执行步骤e，不相同则执行步骤f；e、将ε(yj,θj)设置为0，并设置方向角度矩阵T来计算调节矩阵Q；f、将ε(yj,θj)设置为1，返回所述迭代过程重新计算分离矩阵W。5.如权利要求4所述的方法，其特征在于，所述的步骤e，具体包括：根据每个频点f上的独立源按照角度从小到大的排列顺序，设置方向角度矩阵T；根据方向角度矩阵T计算调节矩阵Q＝TP-1，其中P为置换矩阵；调节矩阵Q＝TP-1，判断置换矩阵...

【专利技术属性】
技术研发人员：吕钊，张贝贝，吴小培，周蚌艳，张超，高湘萍，郭晓静，卫兵，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34