一种基于脑电信号的图形识别生成方法及系统技术方案

本发明专利技术公开了一种基于脑电信号的图形识别生成方法及系统，涉及人机交互技术领域。该方法包括：构建支持向量机分类器；采集基础图形视觉刺激诱发的待识别脑电数据；对待识别脑电数据进行预处理；提取脑电信号特征；将提取脑电信号特征导入构建的支持向量机分类器，得到判别结果；根据判别结果通过计算机辅助设计，生成基础图形。该方法构建了脑电特征的分类器，实现了脑电信号中图形含义的解读，并将该信息以实际图形的方式再现。该方法既可以解放双手，又能直观地将脑中图形进行呈现，实现了自然的交互过程；还省去了传统画图交互软件的学习成本和学习过程，提高了在绘图和表达上的效率。

A Graphic Recognition Generation Method and System Based on EEG Signal

【技术实现步骤摘要】
一种基于脑电信号的图形识别生成方法及系统
本专利技术涉及人机交互
，特别是涉及一种基于脑电信号的图形识别生成方法及系统。
技术介绍
现有的人机交互方式的交互过程包括将用户脑中的图形传输到系统中，系统将图形进行呈现，此交互过程中输入的是用户脑中的图形，输出的结果是系统呈现的图形，而输入和输出之间就涉及人机的交互方式。现有的交互过程的交互接口包括：键盘与鼠标、笔、触控设备、手势和语音。然而，键盘与鼠标，这种交互方式在交互过程中，需要点选对应的若干歌操作指令和按钮，这是一种学习成本较高、操作效率较低的交互方式；笔，这种交互方式一方面需要交互人员本身具有一定的绘画能力，才能表达出交互人员脑中的图形，另一方面在交互结果的表达上存在效率比较低的问题。因此，现有的将用户脑中图形进行呈现的方式存在操作效率较低的问题。
技术实现思路
本专利技术的目的是提供一种基于脑电信号的图形识别生成方法及系统，解决了将用户脑中图形进行呈现的方式存在操作效率较低的问题。为实现上述目的，本专利技术提供了如下方案：一种基于脑电信号的图形识别生成方法，包括：构建支持向量机分类器；获取待识别脑电信号；对所述待识别脑电信号进行预处理，得到预处理后的待识别脑电信号；提取所述预处理后的待识别脑电信号的特征向量；将所述特征向量导入构建的支持向量机分类器，得到判别结果；根据所述判别结果生成基于脑电信号的基础图形；所述构建支持向量机分类器的具体过程为：获取非侵入式脑电采集设备采集的原始脑电信号；对采集的所述原始脑电信号进行预处理，得到预处理后的原始脑电信号；将所述预处理后的原始脑电信号分解成多个脑电独立成分；通过所述脑电独立成分提取所述脑电信号的初始特征向量；根据所述初始特征向量构建和调整支持向量机分类器。可选的，所述的对采集的所述原始脑电信号进行预处理，包括：识别所述原始脑电信号中的伪迹干扰并剔除。可选的，所述的识别所述原始脑电信号中的伪迹干扰并剔除，具体包括：采用独立成分分析方法将所述原始脑电信号分解成多个独立源信号；根据伪迹特征剔除所述独立源信号中的伪迹信号。可选的，所述的将所述预处理后的原始脑电信号分解成多个脑电独立成分，具体包括：采用独立成分分析方法将所述预处理后的原始脑电信号分解成多个脑电独立成分；所述的通过所述脑电独立成分提取所述脑电信号的初始特征向量，具体包括：采用希尔伯特黄变换提取所述脑电信号的初始特征向量。可选的，所述的采用希尔伯特黄变换提取所述脑电信号的初始特征向量，具体包括：通过经验模态分解将非稳态时间序列信号分解成为r个包括瞬时频率的信号，所述包括瞬时频率的信号为固有模态函数；对每个所述固有模态函数进行希尔伯特变换，得到所述包括瞬时频率的信号的瞬时振幅、相位和瞬时频率；所有所述包括瞬时频率信号的瞬时振幅的时频分布为希尔伯特谱，通过对所述希尔伯特谱求积分得到希尔伯特边际谱；通过所述希尔伯特边际谱计算所述脑电独立成分的不同频段的能量得到所述脑电信号的初始特征向量。可选的，所述的根据所述初始特征向量构建和调整支持向量机分类器，具体包括：将所述脑电信号的特征向量存储在数据集内；将所述数据集分成训练集和测试集；通过所述训练集构建所述支持向量机分类器；通过所述测试集调整构建的所述支持向量机分类器。可选的，所述的根据所述判别结果生成基于脑电信号的基础图形，具体包括：根据所述判别结果通过计算机辅助设计绘制基于脑电信号的基础图形。一种基于脑电信号的图形识别生成系统，包括：支持向量机分类器构建模块，用于构建支持向量机分类器；脑电信号获取模块，用于获取待识别脑电信号；脑电信号预处理模块，用于对所述待识别脑电信号进行预处理，得到预处理后的待识别脑电信号；脑电信号特征向量提取模块，用于提取所述预处理后的所述待识别脑电信号的特征向量；结果获取模块，用于将所述特征向量导入构建的支持向量机分类器，得到判别结果；生成图形模块，用于根据所述判别结果生成基于脑电信号的基础图形；所述支持向量机分类器构建模块，具体包括：获取原始脑电信号单元，用于获取非侵入式脑电采集设备采集的原始脑电信号；原始脑电信号预处理单元，用于对采集的所述原始脑电信号进行预处理，得到预处理后的原始脑电信号；分解预处理脑电信号单元，用于将所述预处理后的原始脑电信号分解成多个脑电独立成分；提取初始特征向量单元，用于通过所述脑电独立成分提取所述脑电信号的初始特征向量；构建调整单元，用于根据所述初始特征向量构建和调整支持向量机分类器。根据本专利技术提供的具体实施例，本专利技术公开了以下技术效果：本专利技术提供一种基于脑电信号的图形识别生成方法及系统，该基于脑电信号的图形识别生成方法包括：构建支持向量机分类器；采集基础图形视觉刺激诱发的待识别脑电数据；对待识别脑电数据进行预处理，得到预处理后的待识别脑电信号；提取脑电信号特征；将提取脑电信号特征导入构建的支持向量机分类器，得到判别结果；根据判别结果通过计算机辅助设计，生成基础图形。该方法构建了脑电特征的分类器，实现了脑电信号中图形含义的解读，并将该信息以实际图形的方式再现。该方法具有以下优点：①用Hilbert-Huang变换提取基础图形的脑电特征，较充分地保留了脑电信号的时频信息；②调用CAD，将分类器的图形判别结果转换为图形信息，更加直观地实现了人脑中图形再现，形成了设计结果反馈的闭环，从而能够更好地运用于实际。从脑电信号到基础图形的生成，整个过程和结果能更直观的反应脑电识别的准确率，为今后脑电意图识别与再现技术的进一步发展铺垫良好基础。同时，该基于脑电信号的图形识别生成方法相对于现有的计算机辅助设计技术(CAD)借助鼠标、键盘、触控笔等来进行绘图相比，基于脑电信号的图形识别生成方法，既可以解放双手，又能直观地将脑中图形进行呈现，实现了自然的交互过程；还省去了移动鼠标、选择指令等繁杂的操作，减少了传统画图交互软件的学习成本和学习过程，提高了在绘图和表达上的效率。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例1所提供的基于脑电信号的图形识别生成方法的流程图；图2为本专利技术实施例2所提供的基于脑电信号的图形识别生成系统的系统结构图；图3为本专利技术实施例3所提供的基于脑电信号的图形识别生成方法的流程图；图4为本专利技术实施例3所提供的分类方法的有向无环图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术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专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。实施例1本实施例提供一种基于脑电信号的图形识别生成方法。图1为本专利技术实施例1所提供的基于脑电信号的图形识别生成方法的流程图。参见图1，一种基于脑电信号的图形识别生成方法，包括：步骤101，构建支持向量机分类器。构建支持向量机分类器的具体本文档来自技高网...

【技术保护点】
1.一种基于脑电信号的图形识别生成方法，其特征在于，包括：构建支持向量机分类器；获取待识别脑电信号；对所述待识别脑电信号进行预处理，得到预处理后的待识别脑电信号；提取所述预处理后的待识别脑电信号的特征向量；将所述特征向量导入构建的支持向量机分类器，得到判别结果；根据所述判别结果生成基于脑电信号的基础图形；所述构建支持向量机分类器的具体过程为：获取非侵入式脑电采集设备采集的原始脑电信号；对采集的所述原始脑电信号进行预处理，得到预处理后的原始脑电信号；将所述预处理后的原始脑电信号分解成多个脑电独立成分；通过所述脑电独立成分提取所述脑电信号的初始特征向量；根据所述初始特征向量构建和调整支持向量机分类器。

【技术特征摘要】
1.一种基于脑电信号的图形识别生成方法，其特征在于，包括：构建支持向量机分类器；获取待识别脑电信号；对所述待识别脑电信号进行预处理，得到预处理后的待识别脑电信号；提取所述预处理后的待识别脑电信号的特征向量；将所述特征向量导入构建的支持向量机分类器，得到判别结果；根据所述判别结果生成基于脑电信号的基础图形；所述构建支持向量机分类器的具体过程为：获取非侵入式脑电采集设备采集的原始脑电信号；对采集的所述原始脑电信号进行预处理，得到预处理后的原始脑电信号；将所述预处理后的原始脑电信号分解成多个脑电独立成分；通过所述脑电独立成分提取所述脑电信号的初始特征向量；根据所述初始特征向量构建和调整支持向量机分类器。2.根据权利要求1所述的基于脑电信号的图形识别生成方法，其特征在于，所述的对采集的所述原始脑电信号进行预处理，包括：识别所述原始脑电信号中的伪迹干扰并剔除。3.根据权利要求2所述的基于脑电信号的图形识别生成方法，其特征在于，所述的识别所述原始脑电信号中的伪迹干扰并剔除，具体包括：采用独立成分分析方法将所述原始脑电信号分解成多个独立源信号；根据伪迹特征剔除所述独立源信号中的伪迹信号。4.根据权利要求1所述的基于脑电信号的图形识别生成方法，其特征在于，所述的将所述预处理后的原始脑电信号分解成多个脑电独立成分，具体包括：采用独立成分分析方法将所述预处理后的原始脑电信号分解成多个脑电独立成分；所述的通过所述脑电独立成分提取所述脑电信号的初始特征向量，具体包括：采用希尔伯特黄变换提取所述脑电信号的初始特征向量。5.根据权利要求4所述的基于脑电信号的图形识别生成方法，其特征在于，所述的采用希尔伯特黄变换提取所述脑电信号的初始特征向量，具体包括：通过经验模态分解将非稳态时间序列信号分解成为r个包括瞬时频率的信号，所述包括瞬时频率的信号为固有模态函数；对每个所述固有模态函数进行希尔伯特变换，得到所...

【专利技术属性】
技术研发人员：王璐，郝佳，王国新，牛红伟，吉庆，龙辉，薛庆，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11