The invention discloses a system and method to identify slow eye movement based on convolutive mixture model, which belongs to the technical field of EOG, including the complex value ICA algorithm on the frequency of eye movement data for blind source separation, the independent source signals at the corresponding frequency point on the frequency domain independent component; scale compensation for each independent component the frequency on the reduction of real independent component ratio in the observation component in composition; with the constraint ranking DOA algorithm to adjust the independent component compensation; independent component of the frequency scale after compensation and sorted by short-time Fourier transform, time signal in time domain multi-channel independent complete source; the multi-channel time independent signal source complete wavelet decomposition, the decomposition results and non REM criteria are compared and analyzed, and the slow eye movement The consistent feature is recognized as slow eye movement. The invention analyzes the multi-channel EOG signals in time domain. Because there is no interference from other source signals, it can extract slow eye movement from EOG signals quickly.
【技术实现步骤摘要】
一种基于卷积混合模型的慢速眼动识别方法及系统
本专利技术涉及眼电图
,特别涉及一种基于卷积混合模型的慢速眼动识别方法及系统。
技术介绍
视觉系统是人类获取外部信息最重要的通道,在实验心理学的早期历史中心理学家就开始注意到眼动特征及其规律的心理学意义,利用眼动技术探索人在各种不同条件下的信息加工机制也成为当代心理学的研究热点。眼动特征即眼球的运动,与内部信息加工机制具有密切联系,存在着外源性和内源性两种控制,更多情况下,眼动会受到任务或目的的指引。而眼电图(Electro-oculogram,EOG)作为一种低成本的眼动信号测量技术,相比较于传统的视频手段,不仅测量更加精确,同时测量设备也具有重量轻、便于长时间记录、更易实现可穿戴式设计等优点。因此,使用EOG进行眼动信号采集具有广泛的应用前景。根据眼动的特点,眼动信号的类型主要分为三类:注视、扫视和追随眼动。注视中又常常伴随着三种形式的即为细微的慢速眼动:自发性的高频眼动微颤、慢速眼动和微跳。其中慢速眼动是指从清醒过渡到睡眠期间的眼动运动称之为慢速眼动。在EOG数据的采集过程中,由于受试者易于疲累,在采集到的眼动数据中存在慢速眼动。慢速眼动包含这大量有用的信息,在交通心理学以及临床医学等许多领域都有着广泛的应用。比如,可以通过慢速眼动来检测驾驶员的疲劳程度,可以通过慢速眼动对一些复杂的临床病例进行研究与治疗。但是在实际应用中,慢速眼动通常与其它的信号交织在一起,很难单独提取出来。目前,采用线性回归法进行慢速眼动的识别,主要是通过检测到的慢速眼动数量和目视检测的数量之间的比率来进行慢速眼动识别。但是这个 ...
【技术保护点】
一种基于卷积混合模型的慢速眼动识别方法,其特征在于,包括:S1、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;S2、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;S3、采用约束DOA算法对补偿后的独立分量进行排序调整,使得每个频点上的独立源都按照方向角从小到大排列;S4、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,得到时域上多通道独立源完整的时间信号;S5、对时域上多通道独立源进行小波分解,得到各级小波系数;S6、将各级小波系数与慢速眼动的评判标准进行对比与分析,与慢速眼动特征均相符的则识别为慢速眼动。
【技术特征摘要】
1.一种基于卷积混合模型的慢速眼动识别方法,其特征在于,包括:S1、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;S2、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;S3、采用约束DOA算法对补偿后的独立分量进行排序调整,使得每个频点上的独立源都按照方向角从小到大排列;S4、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,得到时域上多通道独立源完整的时间信号;S5、对时域上多通道独立源进行小波分解,得到各级小波系数;S6、将各级小波系数与慢速眼动的评判标准进行对比与分析,与慢速眼动特征均相符的则识别为慢速眼动。2.如权利要求1所述的方法,其特征在于,在所述的步骤S5中,采用的小波分解的母函数为db4、小波分解的层数为十层。3.如权利要求1所述的方法,其特征在于,所述的慢速眼动的特征包括:眼动信号频率低于1Hz、眼动信号初始运动速度近似为0、EOG信号中未出现伪迹信号。4.如权利要求1所述的方法,其特征在于,所述的步骤S2,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对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。5.如权利要求4所述的方法,其特征在于,所述的步骤S3,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...
【专利技术属性】
技术研发人员:吕钊,张贝贝,张超,吴小培,张磊,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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。