【技术实现步骤摘要】
基于动态SSVEP范式的脑机接口系统实现方法及装置
本专利技术涉及脑机接口
，特别是涉及一种基于动态SSVEP范式的脑机接口系统实现方法及装置。
技术介绍
脑机接口(Brain-ComputerInterface，BCI)能够自动识别人的意图，利用的是大脑的信号，不依赖于神经系统和肌肉去控制外部设备，进而与外界交流互动。该技术广泛用于术后康复训练，重症及残障人士的护理，智能假肢以至机械设备控制等方面。与其他方法相比，SSVEP(SteadyStateVisualEvokedPotential，稳态视觉诱发电位)需要记录的脑电数据通道少，无需训练，还可以获得较高的识别度。然而，目前研究通常采用在一块静态背景的不同位置上输出不同频率闪烁，每一个闪烁对应一种固定频率，同时对应着某个固定的指令，如用于脑控轮椅的方向信息，用于脑控打字的字母信息等。例如，OmidDehzangi及其团队就在黑色屏幕背景的上，下，左，右四个方向上分别施加不同频率的闪烁刺激，实现了重症病人的医护人员召唤及食物请求等不同需求。国内清华大学高上凯教授团队...
【技术保护点】
1.基于动态SSVEP范式的脑机接口系统实现方法，其特征在于，包括如下步骤：/nS1、获取实时画面，得到待识别的环境信息；/nS2、构建并训练物体追踪模型，将所述环境信息输入到所述物体追踪模型，得到所述环境信息中物体的实时位置信息；/nS3、根据所述物体的位置信息，采用不同频率的SSVEP闪烁块分别对所述画面中不同的物体进行标记，并根据所述物体的实时位置信息对所述SSVEP闪烁块的坐标进行更新，得到叠加有SSVEP信息的画面；/nS4、将叠加有SSVEP信息的画面呈现给待测者，并采集待测者的脑电信号序列；/nS5、采用滤波器组典型相关分析FBCCA方法对所述脑电信号序列进行...
【技术特征摘要】
1.基于动态SSVEP范式的脑机接口系统实现方法，其特征在于，包括如下步骤：
S1、获取实时画面，得到待识别的环境信息；
S2、构建并训练物体追踪模型，将所述环境信息输入到所述物体追踪模型，得到所述环境信息中物体的实时位置信息；
S3、根据所述物体的位置信息，采用不同频率的SSVEP闪烁块分别对所述画面中不同的物体进行标记，并根据所述物体的实时位置信息对所述SSVEP闪烁块的坐标进行更新，得到叠加有SSVEP信息的画面；
S4、将叠加有SSVEP信息的画面呈现给待测者，并采集待测者的脑电信号序列；
S5、采用滤波器组典型相关分析FBCCA方法对所述脑电信号序列进行解析，根据解析结果得到待测者所注视的物体。
2.根据权利要求1所述的基于动态SSVEP范式的脑机接口系统实现方法，其特征在于，所述步骤S2中，通过所述物体追踪模型得到所述环境信息中物体的实时位置信息的具体方法包括：
S21、利用所述物体追踪模型实时输出第n帧画面中m个动态物体的边框，所述边框为矩形框四个顶点的坐标；
S22、分别计算m个动态物体所在区域的密度直方图；
S23、重复步骤S21、S22，计算第n+1帧画面中所有动态物体所在区域的密度直方图；
S24、将第n+1帧画面、第n帧画面中密度直方图的计算结果进行模式匹配，得到第n帧与第n+1帧画面中相同动态物体的位置；
S25、重复步骤S21～S24，得到物体的实时位置。
3.根据权利要求1所述的基于动态SSVEP范式的脑机接口系统实现方法，其特征在于，所述步骤S2中，所述物体追踪模型通过迁移学习方法进行训练，具体包括：
1)采集含有待追踪物体的画面，作为训练样本数据；
2)对所述训练样本数据进行样本增强，得到样本数据集，并将所述样本数据集划分为训练集、验证集；
3)通过所述训练集对所述物体追踪模型进行训练；
4)利用迁移学习的方法对所述物体追踪模型进行再训练，并对所述物体追踪模型的参数进行优化；
5)通过验证集对所述物体追踪模型的测试正确率进行验证，测试正确率大于预设阈值，则所述物体追踪模型训练完成，否则重复步骤4)。
4.根据权利要求1所述的基于动态SSVEP范式的脑机接口系统实现方法，其特征在于，所述步骤S5中，采用FBCCA方法对所述脑电信号序列进行解析的具体方法包括：
对于不同频率的SSVEP闪烁块，分别采集标准脑电信号序列；
基于标准脑电信号序列，通过滤波器组分析方法分别获取...
【专利技术属性】
技术研发人员：闫天翼，王凯，刘思宇，张德雨，陈端端，唐浩展，张弈诚，瑚耘慷，吴景龙，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11
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。