【技术实现步骤摘要】
基于脑电意念的智能运动耳机及其实现方法与系统
本专利技术涉及一种基于脑电意念的智能运动耳机及其实现方法与系统，基于脑电波信号采集、脑电数据深度学习模型设计和嵌入式软硬件设计的实现方案，旨在实现基于脑电意念和深度学习的智能运动耳机，属于脑电波技术和嵌入式系统的交叉领域。
技术介绍
目前，随着生活水平的提高，越来越多的人选择在早晨或夜间跑步锻炼身体。而跑步时听歌，有助于人们放松和保持节奏感。跑步时听歌的人越来越多，对于能够在跑步时佩戴的耳机的需求也越来越高。目前市场上的耳机均为有线耳机或无线蓝牙耳机。然而，即便是无线蓝牙耳机，在人们跑步时需要暂停歌曲、停止音乐或者是要切歌的时候，都需要人们手动操作，而这种操作，无疑会打乱人们原有的运动节奏，使人们不得不重新花费一段时间进行调整。若是正在进行计时跑步，这种对节奏的打乱更会使得计时结果不精准，导致锻炼计划的效果不佳。因此，一种在不打乱人们运动节奏的前提下便可以实现灵活操作和控制的耳机，对人们来说十分便利。此外，对于人们来说，运动的一个苦恼是因担心错过重要信息，而在运动时不得不携带手机在身上。这导致了人们在运动时需时刻关注手...
【技术保护点】
1.一种基于脑电意念的智能运动耳机，包括电源和耳机本体，耳机本体包括头戴、耳机控制模块和发声单元，头戴的两端分别设有发声单元，耳机控制模块内置在头戴中，其特征在于：还包括脑电信号采集模块、脑电信号预处理模块、识别模块和储存模块，脑电信号采集模块、脑电信号预处理模块、识别模块和储存模块分别内置在头戴中，脑电信号采集模块包括干态电极传感器1a、干态电极传感器1b、干态电极传感器1c和干态电极传感器1d，干态电极传感器1a、干态电极传感器1b、干态电极传感器1c和干态电极传感器1d分别设于头戴上，脑电信号采集模块通过脑电信号预处理模块连接识别模块，识别模块连接储存模块。
【技术特征摘要】
1.一种基于脑电意念的智能运动耳机，包括电源和耳机本体，耳机本体包括头戴、耳机控制模块和发声单元，头戴的两端分别设有发声单元，耳机控制模块内置在头戴中，其特征在于：还包括脑电信号采集模块、脑电信号预处理模块、识别模块和储存模块，脑电信号采集模块、脑电信号预处理模块、识别模块和储存模块分别内置在头戴中，脑电信号采集模块包括干态电极传感器1a、干态电极传感器1b、干态电极传感器1c和干态电极传感器1d，干态电极传感器1a、干态电极传感器1b、干态电极传感器1c和干态电极传感器1d分别设于头戴上，脑电信号采集模块通过脑电信号预处理模块连接识别模块，识别模块连接储存模块。2.如权利要求1所述的基于脑电意念的智能运动耳机，其特征在于：还包括eSIM模块，eSIM模块内置在头戴中，eSIM模块与耳机控制模块连接，eSIM模块采用eSIMNB-IOT通信模组M5310，识别模块采用STM32F072RB芯片。3.如权利要求1或2所述的基于脑电意念的智能运动耳机，其特征在于：干态电极传感器1a与干态电极传感器1d、干态电极传感器1b与干态电极传感器1c分别双极并联，干态电极传感器1a与干态电极传感器1d分别设于头戴的两端，干态电极传感器1b与干态电极传感器1c分别设于头戴的两端且设于干态电极传感器1a与干态电极传感器1d之间；干态电极传感器1a与干态电极传感器1d、干态电极传感器1b与干态电极传感器1c均采用主动型干态电极传感器。4.一种采用权利要求1-3任一项所述的基于脑电意念的智能运动耳机的实现方法，其特征在于：包括以下步骤，S1、采集：进行脑电信号采集，采用干电极脑电采集技术，由脑电信号采集模块中的四个单数据通道采集的干态电极传感器1a、1b、1c、1d通过设定的采样频率进行脑电信号采集；S2、预处理：对采集的脑电信号进行预处理，由脑电信号预处理模块接收脑电采集模块采集到的脑电信号，脑电信号预处理模块进行脑电信号的滤波与放大；S3、分类：通过脑电特征提取模型获得分类结果，对步骤S2预处理后的脑电信号，采用结合独立分量分析ICA和小波分析WY的脑电特征提取方法进行特征提取，获得分类结果；S4、训练：采用反向传播算法将步骤S3中所得分类结果带入前馈神经网络训练，求取参数隐含层神经元数n、权重矩阵W，得到基于前馈神经网络的脑电特征深度学习模型；S5、识别：对实时采集的脑电信号进行识别，将步骤S4得到的参数直接预设在识别模块中，即，将S4建立的脑电特征深度学习模型预置在识别模块中，将运动者运动过程中实时采集到的脑电信号数据，通过预处理模块预处理后，输入识别模块后，得到相应的分类结果；S6、控制：对耳机控制模块发送指令，经识别模块的处理器运算后得到的分类结果，与存储模块中的分类结果进行比对，得到对应的嵌入式指令，将嵌入式指令发送给耳机控制模块。5.如权利要求4所述的基于脑电意念的智能运动耳机实现方法，其特征在于：还包括步骤S7，通过eSIM模块进行通话控制，实现收到来电、接听电话、挂断电话的控制，并将相关控制信息发送给耳机控制模块。6.如权利要求5所述的基于脑电意念的智能运动耳机实现方法，其特征在于：步骤S3中，采用结合独立分量分析ICA和小波分析WY的脑电特征提取方法进行特征提取，获得分类结果，具体为，S31、对步骤S2预处理后的脑电信号进行二进小波变换，脑波信号的二进小波变换的定义式为：其中，ci，j二进小波系数，k为整数，为小波函数，为二进小波函数，其逆变换式为：其中，xj(t)表示信号x(t)在某一刻度(2j)下的分量；对于从脑电信号采集模块测得的2导脑电数据，对每导数据xi进行正交小波分解；采用长度为4的Daubechis小波，以层数为4，按如上公式分解，每导数据被分解为5个子带信号：原信号与每个子带的频率分布关系为：其中，fs为采样频率；S32、选取子带，具体为，根据需要选择同一尺度或多个尺度下的各导脑电多个子带的组合，来组成独立分量分析的输入：其中，式中，n、m为所选择的子带范围；脑电信号有5个主要频带：Delta(0-4Hz)、Theta(4-8Hz)、Alpha(8-15Hz)、Beta(15-30Hz)和Gamma(30-60Hz)，由上述子带信号的频率范围公式，得到五个脑电频带对应的子带：Delta：Theta：Alpha：Beta：Gamma：为了增强5个脑电频带特征，选择n＝1，m＝5，即：将上述结果作为独立分量分析的输入；S33、通过扩展Infomax算法求取分离矩阵，具体为，独立分量分析即从n个通道获得n个观测信号xi，每个观测信号是n个独立源信号si的线性混合，即：x＝As，其中，x＝(x1，x2，...xn)T，s＝(s1，s2，...sn)T，A为常数且A不为0；ICA通过分离矩阵W将独立分量将多通道信源中分离出来，即：u＝Wx，其中，u是对真实信源s的逼近；考虑到脑电信号同时包含超高斯和亚高斯分布的独立分量成分，采用基于信息极大准则的扩展Infomax算法进行分离矩阵估计，扩展最大熵算法的解混矩阵调节公式为：其中，μ为学习步长，依具体情况进行自适应调整，I为单位矩阵，K为对角矩阵，对角元素如下：kii＝1(超高斯信号)kii＝-1(亚高斯信号)故由递推公式W(k+1)＝W(k)+μΔW可求得矩阵W。S34、求解独立分量，具体为，将矩阵W代回上述公式，得到独立分量u＝(u1，u2，...un)T。7.如权利要求6所述的基于脑电意念的智能运动耳机实现方法，...
【专利技术属性】
技术研发人员：杜安明，程琨，黄海平，胡林康，胡振超，刘永双，李家东，李欣祥，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：江苏,32
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。