一种基于脑电图的儿童需求感知方法技术

本发明专利技术公开了一种基于脑电图的儿童需求感知方法，首先，采集儿童在饮食需求、心理需求及生理需求3种不同状态下的多通道脑电数据；接着，使用基于滑动窗的时/频变换，将观测信号从一维的时域信号变换到二维的时/频信号，通过构建目标函数并进行迭代寻优，实现在每个频点上脑神经活动独立成份的获取；为保证分离后信号的质量，对分离结果进行质量评估，评估合格的结果进入通道选择步骤，保留与需求感知相关的通道；否则继续迭代寻优；最后，对保留的通道分别提取时频特征及空域特征，使用支持向量机完成3种需求状态的分类。本发明专利技术基于脑电的儿童需求感知方法，具有更高的需求感知准确率、较强的需求类型扩展能力及极高的潜在经济效益。

【技术实现步骤摘要】
一种基于脑电图的儿童需求感知方法
本专利技术涉及智能童车领域，特别是涉及基于脑电图的儿童需求感知方法。
技术介绍
童车，作为儿童玩具的一种，不仅承载着儿童身体，更承载着千万个家庭的期望与未来。安全对于童车而言都是至关重要的因素，每一起因安全而导致的严重事故，不仅仅是一个个鲜活生命的消逝，更是一个家庭的灭顶之灾。国家市场监督总局2019年发布的《关于儿童推车的消费提示》中明确指出：童车在儿童用品伤害中较为突出，儿童推车相关伤害问题主要集中在学龄前儿童使用推车产品的过程中，因从车体跌落导致的挫伤或擦伤。因此，如何提高童车的安全性是一个亟待解决的问题。儿童从车体跌落原因的进一步调查表明，除童车本身的安全性能欠缺外，另外一个主要的原因是儿童在解决基本需求的过程中，如希望家长抱抱或肚子饿时，身体动作幅度过大而导致童车倾斜或摔倒。因此，为了提高童车安全，除车体设计上的改进外，对儿童需求的主动感知，即能够捕获儿童需求并及时提醒家长，这对于提高童车安全性能将起到重要的作用。随着人工智能技术的日趋成熟，将人工智能技术与传统童车相结合，提高童车的安全性能将具有重要的意义。已有研究成果表明，人在产生不同需求时所引发的大脑活动模式在很大程度上能够揭示其行为意图，而这种大脑活动模式可以通过获取、分析头皮脑电变化规律来实现，因此使用脑电信号进行饮食需求、心理需求、生理需求等意图感知，对提高童车的安全性能具有重要的意义。目前，脑电信号的获取与分析主要围绕疾病诊断、运动想象等领域展开，研究成果虽有一定的借鉴意义，但由于需求意图所诱发的脑电信号与疾病和运动想象状态下所诱发的脑电信号在大脑中的响应区域与响应模式均存在较大的差异。为了获取任务相关神经源活动信息，盲源分离是目前研究者较多采用的一种方法。现阶段，大家普遍认为神经源到头皮的传导过程可以用线性混合模型来描述，然而，传输过程由于受到颅骨、脂肪等器官的衰减，线性混合模型很难真实地描述以需求为任务背景的头皮脑电信号的生成过程，因此，如何根据需求脑电信号的特点，有效提取需求脑神经源活动成份，实现高准确率的基于脑电的需求感知是一个亟待解决的问题。
技术实现思路
本专利技术是为解决上述已有技术中存在的问题，提供一种具有较高需求感知准确率、较强的需求类型扩展能力及极高的潜在经济效益的基于脑电的儿童需求感知方法。为此，本专利技术提供了一种基于脑电图的儿童需求感知方法，包括以下步骤：步骤1、采集儿童在饮食需求、心理需求及生理需求3种不同需求状态下的多通道脑电数据xi(i＝1,2,...,32)，i表示通道索引，对其预处理后的信号为x′i(i＝1,2,...,32)；步骤2、基于滑动窗的时/频变换，对预处理后的信号x′i进行时/频变换，得到时/频域矩阵Xi(f,τ)，其中，fs是采样频率，L为傅里叶变换的频点数；τ＝τ0,…,τM，下标表示滑动窗索引；步骤3、使用单位矩阵对频点f处的分离矩阵W(f)进行初始化，得到初始化的W(f)后，利用式(2)对估计信号U(f,τ)＝W(f)X(f,τ)进行初始化，其中，X(f,τ)是Xi(f,τ)的全通道表示形式；步骤4、定义目标函数Q，即其中，p(U1…U32)为估计信号Ui的联合概率密度，为边缘概率密度乘积，E(·)表示期望运算，KL(·)表示K-L散度，用其来衡量p(U1…U32)和之间的距离；步骤5、对目标函数进行最小化寻优操作，当Q达到最小值时，迭代终止，从而获取对应的最终分离矩阵W(f)；步骤6、对所有频点执行完成步骤3-5后，使用式(5)将频域形式的估计信号U(f,τ)变换回时域形式，得到通道i的时域估计信号ui(t,τj)；步骤7、对分离后的时域估计信号使用二阶和四阶统计依赖性以及平均总平方互相关和进行质量评估，当所得的评估指标低于预设门限时，评估结果为合格，继续执行步骤8；反之，当即评估结果不合格时，算法将会重新执行步骤5-7，再次进行寻优与迭代，直至质量评估结果为合格时方进入步骤8；步骤8、对通道进行选择，保留与需求感知相关的通道；以及步骤9、对保留的通道提取时/频及空域特征，使用支持向量机进行3种需求状态的分类。本专利技术还提供了一种基于脑电图的需求感知方法，包括以下步骤：步骤1、采集被试者在饮食需求、心理需求及生理需求3种不同需求状态下的多通道脑电数据xi(i＝1,2,...,32)，i表示通道索引，对其预处理后的信号为x′i(i＝1,2,...,32)；步骤2、基于滑动窗的时/频变换，对预处理后的信号x′i进行时/频变换，得到时/频域矩阵Xi(f,τ)，其中，fs是采样频率，L为傅里叶变换的频点数；τ＝τ0,…,τM，下标表示滑动窗索引；步骤3、使用单位矩阵对频点f处的分离矩阵W(f)进行初始化，得到初始化的W(f)后，利用式(2)对估计信号U(f,τ)＝W(f)X(f,τ)进行初始化，其中，X(f,τ)是Xi(f,τ)的全通道表示形式；步骤4、定义目标函数Q，即其中，p(U1…U32)为估计信号Ui的联合概率密度，为边缘概率密度乘积，E(·)表示期望运算，KL(·)表示K-L散度，用其来衡量p(U1…U32)和之间的距离；步骤5、对目标函数进行最小化寻优操作，当Q达到最小值时，迭代终止，从而获取对应的最终分离矩阵W(f)；步骤6、对所有频点执行完成步骤3-5后，使用式(5)将频域形式的估计信号U(f,τ)变换回时域形式，得到通道i的时域估计信号ui(t,τj)；步骤7、对分离后的时域估计信号使用二阶和四阶统计依赖性以及平均总平方互相关和进行质量评估，当所得的评估指标低于预设门限时，评估结果为合格，继续执行步骤8；反之，当即评估结果不合格时，算法将会重新执行步骤5-7，再次进行寻优与迭代，直至质量评估结果为合格时方进入步骤8；步骤8、对通道进行选择，保留与需求感知相关的通道；以及步骤9、对保留的通道提取时/频及空域特征，使用支持向量机进行3种需求状态的分类。本专利技术采集脑电信号，作为一种记录大脑真实活动的测量方法，能够获取儿童等在产生需求时大脑的真实活动规律与模式；另外，本专利技术通过对处理后信号的质量评估，能有效降低低质量信号对识别性能的影响，相比较上述方法，本专利技术具有更高的准确率。目前，生理感知方法主要依靠视频、语音及身体姿态等方法实现，但上述方法易受外部环境如噪声、光线等干扰，因此，准确率不高。本专利技术采集了7位被试者在饮食需求、心理需求及生理需求3种状态下的脑电信号，组内和组间测试的平均识别正确率达分别到75.76％和71.11％，结果验证了本专利技术所述方法的有效性。本专利技术使用32个电极进行脑电数据的采集，采集电极位置覆盖了大脑顶部区域，因此，能够获取除饮食、心理及生理3种需求外更为丰富的大脑活动情况。在识别算法上，本专利技术在脑神经“源”成份的获取上采用了非监督方式，算法可以根据不同思维背景下脑电信号特点，自动解析出3种需求状态下的脑神经“源”。当需要解码更多大脑思维活动时，不需要额外加入新的算法，且算法的运算量也不会明显提升。本专利技术由于能够自动侦测儿童的大脑活动规律，并获取儿童的本文档来自技高网...

【技术保护点】
1.一种基于脑电图的儿童需求感知方法，其特征是，包括以下9个步骤：/n步骤1、采集儿童在饮食需求、心理需求及生理需求3种不同需求状态下的多通道脑电数据x

【技术特征摘要】
1.一种基于脑电图的儿童需求感知方法，其特征是，包括以下9个步骤：
步骤1、采集儿童在饮食需求、心理需求及生理需求3种不同需求状态下的多通道脑电数据xi(i＝1,2,...,32)，i表示通道索引，对其预处理后的信号为x′i(i＝1,2,...,32)；
步骤2、基于滑动窗的时/频变换，对预处理后的信号x′i进行时/频变换，得到时/频域矩阵Xi(f,τ)，其中，l＝0,1,…,L-1，fs是采样频率，L为傅里叶变换的频点数；τ＝τ0,…,τM，下标表示滑动窗索引；
步骤3、使用单位矩阵对频点f处的分离矩阵W(f)进行初始化，得到初始化的W(f)后，利用式(2)对估计信号U(f,τ)＝W(f)X(f,τ)进行初始化，其中，X(f,τ)是Xi(f,τ)的全通道表示形式；
步骤4、定义目标函数Q，即其中，p(U1…U32)为估计信号Ui的联合概率密度，为边缘概率密度乘积，E(·)表示期望运算，KL(·)表示K-L散度，用其来衡量p(U1…U32)和之间的距离；
步骤5、对目标函数进行最小化寻优操作，当Q达到最小值时，迭代终止，从而获取对应的最终分离矩阵W(f)；
步骤6、对所有频点执行完成步骤3-5后，使用式(5)将频域形式的估计信号U(f,τ)变换回时域形式，得到通道i的时域估计信号ui(t,τj)；
步骤7、对分离后的时域估计信号使用二阶和四阶统计依赖性以及平均总平方互相关和进行质量评估，当所得的评估指标低于预设门限时，评估结果为合格，继续执行步骤8；反之，当即评估结果不合格时，算法将会重新执行步骤5-7，再次进行寻优与迭代，直至质量评估结果为合格时方进入步骤8；
步骤8、对通道进行选择，保留与需求感知相关的通道；
步骤9、对保留的通道提取时/频及空域特征，使用支持向量机进行3种需求状态的分类。


2.根据权利要求1所述的基于脑电图的儿童需求感知方法，其特征是，采集儿童在3种需求状态下的32通道脑电数据xi(i＝1,2,...,32)，并对其打上数据标签1，2和3，其中，1代表饮食需求；2代表心理需求；3代表生理需求。


3.根据权利要求1所述的基于脑电图的儿童需求感知方法，其特征是，所述步骤2所采用滑动窗的定义如下：



其中，N表示窗口长度，cos(·)表示余弦运算。


4.根据权利要求1所述的基于脑电图的儿童需求感知方法，其特征是，步骤7质量评估所述的二阶和四阶统计依赖性以及平均总平方互相关和计算方法如下：
二阶统计依赖性ρ(f)：计算所有任意两不同通道间的相关系数ρmn(f)的平均值得到，其中，m,n分别表示不同的通道号；
四阶统计依赖性ρ'(f)：计算所有任意两不同通道间的ρ′mn(f)的平均值得到，其中，m,n分别表示不同的通道号；
平均总平方互相关R(t)：首先使用式(7)计算得到总平方互相关r(t)其中，rmn(t),m≠n代表的是任意两不同通道um，un，(m≠n)间的归一化互相关系数，接着，对r(t)求取平均值，即：其中，Lr(t)是序列r(t)的长度。


5.根据权利要求1所述的基于脑电图的儿童需求感知方法，其特征是，权利要求3中二阶统计依赖性ρ(f)计算过程如下：



其中，C代表...

【专利技术属性】
技术研发人员：张胜利，吕钊，孙文慧，张超，吴小培，穆雪，张道信，郭晓静，
申请(专利权)人：安徽智趣小天使信息科技有限公司，
类型：发明
国别省市：安徽;34