一种面向实时脑电信号的眨眼伪迹识别方法及系统技术方案

本公开提供了一种面向实时脑电信号的眨眼伪迹识别方法及系统，本公开所述方案通过对实时脑电信号进行短时间窗缓存，并进行带通滤波处理，通过比较脑电信号与阈值，找到潜在眨眼位置；通过眨眼边界确定算法，找到每个缓存时间窗内可能含眨眼的信号，最后计算各个候选眨眼信号的特征向量，并通过随机森林算法，确定真实的眨眼位置；本公开所述方案仅需要一路脑电信号，且不需要眼电参考信号，具有准确率高、运算速度快、方便灵活的特点，适用于可穿戴脑电设备，为面向实时脑电信号，自动提取眨眼起始和结束的位置信息，获得眨眼伪迹提供了一种新思路。

【技术实现步骤摘要】
一种面向实时脑电信号的眨眼伪迹识别方法及系统
本公开属于脑电信号预处理
，尤其涉及一种面向实时脑电信号的眨眼伪迹识别方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。现实中，脑电信号经常被应用于自动控制、身份识别等领域，但是脑电信号往往会被其他干扰信号污染，比如眼电、心电、肌电、以及电源噪声等，导致实际应用过程产生较大误差；其中，眼电对脑电的影响是显著，且眨眼是一种常见的生理现象，难以人为干预避免；眼电的幅度一般远大于脑电信号，且能量主要集中在低频段，对脑电信号有严重的干扰作用，因此，从脑电信号中检测眨眼相关信息，对于脑电信号去除眨眼伪迹以及获取眨眼相关信息，具有重要实际意义。专利技术人发现传统的研究工作，大都集中在对脑电信号离线分析，检测或去除眨眼伪迹；尽管近年来，已出现对脑电信号的在线，甚至实时眨眼检测的研究，但现有的研究工作，存在着对干净脑电信号的大量重复计算，以及过分简化眨眼数学模型等方面的缺点，导致其实时性和准确率存在不足；而如何从实时脑电信号中实时快速的提取眨眼信息，存在着处理粒度和计算复杂度两个方面的挑战：一方面，如果采用非常小的处理粒度，如每个数据点检测一次，则为了保证实时性，用于检测的时间非常小，从而只能采用非常简单的眨眼模型，而这种简单模型往往不能检测不规则的眨眼；另一方面，如果采用较大的计算粒度，虽然可以提高模型的计算复杂度，提高检测精度，但过大的延时难以保证实时性的要求。
技术实现思路
本公开为了解决上述问题，提供一种面向实时脑电信号的眨眼伪迹识别方法及系统，所述方法不仅能够精确的检测眨眼的开始和结束时间，并且具有较小的计算复杂度，并最小化对干净脑电信号的计算，能够有效的识别出脑电信号中眨眼信号噪声的位置。根据本公开实施例的第一个方面，提供了一种面向实时脑电信号的眨眼伪迹识别方法，包括：利用脑电信号采集设备实时获取脑电信号，并进行加窗缓冲处理；动态计算眼电阈值，获得每个时间窗内可能的眨眼位置作为候选眨眼集合；针对每个候选眨眼，确定其左右边界，构成候选眨眼伪迹；对每个候选眨眼伪迹进行特征提取，基于提取的特征向量，利用分类模型筛选出最终的眨眼伪迹。进一步的，所述加窗缓冲处理采用短时间窗，同时采用带通小波滤波去除脑电信号中的电源噪声和高频噪声。进一步的，所述动态计算眼电阈值包括：为避免短时眨眼对阈值大小的干扰，采用经带通滤波处理后，4秒内的脑电信号动态计算阈值，阈值大小计算公式为：阈值＝脑电信号均值+1.5x脑电信号平均绝对偏差；当脑电信号大于该阈值时，则认为是可能的眨眼，低于该阈值的，则认为是干净的脑电信号。进一步的，所述候选眨眼位置的左右边界确定包括：首先计算每个候选眨眼位置内最大值的位置，确定眨眼的上升和下降部分的边界，并计算时间窗内相邻两个点的差值DataVelocity，DataVelocity的长度等于当前时间窗长度减1；其次，找出眨眼上升部分DataVelocity的最大值MaxPosVel位置，以及眨眼下降部分DataVelocity的最小值MaxNegVel位置；最后计算可能的左右边界，即搜索左右两边DataVelocity符号改变的第一个点，若搜索不到，则说明其左右边界跨过了时间窗。根据本公开实施例的第二个方面，提供了一种面向实时脑电信号的眨眼伪迹识别系统，包括：预处理模块，其用于利用脑电信号采集设备实时获取脑电信号，并进行加窗缓冲处理；预估模块，其用于动态计算眼电阈值，获得每个时间窗内可能的眨眼位置作为候选眨眼集合；针对每个候选眨眼，确定其左右边界，构成候选眨眼伪迹；眨眼伪迹识别模块，其用于对每个候选眨眼伪迹进行特征提取，基于提取的特征向量，利用分类模型筛选出最终的眨眼伪迹。根据本公开实施例的第三个方面，提供了一种电子设备，包括脑电信号采集设备、存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现所述的一种面向实时脑电信号的眨眼伪迹识别方法。根据本公开实施例的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现所述的一种面向实时脑电信号的眨眼伪迹识别方法。与现有技术相比，本公开的有益效果是：(1)本公开所述方案面向实时脑电信号，提出了一种面向短时间窗和人工智能分类的眨眼信息检测方法，该方法不仅能够精确的检测眨眼的开始和结束时间，并且具有较小的计算复杂度，并最小化对干净脑电信号的计算，结果表明本方法具有较高的检测精度，较小的检测延时，从而面向实时脑电信号，有效提取眨眼伪迹信息。(2)本公开所述方案仅需要一路脑电信号，且不需要眼电参考信号，具有准确率高、运算速度快、方便灵活的特点，适用于可穿戴脑电设备，为面向实时脑电信号，自动提取眨眼起始和结束的位置信息，提供了一种新思路。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。图1是本公开实施例一中所述的眨眼伪迹识别方法流程图；图2是本公开实施例一中所述的脑电信号中典型眨眼波形示意图；图3(a)是本公开实施例一中眨眼波形左边界上升部分跨时间窗问题示意图；图3(b)是本公开实施例一中所述的眨眼波形左边界下降部分跨时间窗问题示意图；图3(c)是本公开实施例一中所述的眨眼波形右边界上升部分跨时间窗问题；图3(d)是本公开实施例一中所述的眨眼波形右边界下降部分跨时间窗问题；图4是本公开实施例一中所述的基于随机森林的眨眼伪迹识别方法流程图；图5是本公开实施例一中所述的检测结果实例，其中第一行是滤波后脑电波形，第二行是检测出的可能眨眼(CB)波形，第三行是经过随机森林识别后的真实眨眼波形，第四行是真实眨眼(GroundTruth)的参考位置；图6(a)是本公开实施例一中所述的EEG-IO数据集中数据测试的平均检测延时和延时的标准差；图6(b)是本公开实施例一中所述的EEG-VR数据集中数据测试的平均检测延时和延时的标准差；图6(c)是本公开实施例一中所述的EEG-VV数据集中数据测试的平均检测延时和延时的标准差。具体实施方式下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。实本文档来自技高网...

【技术保护点】
1.一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，包括：/n利用脑电信号采集设备实时获取脑电信号，并进行加窗缓冲处理；/n动态计算眼电阈值，获得每个时间窗内可能的眨眼位置作为候选眨眼集合；/n针对每个候选眨眼，确定其左右边界，构成候选眨眼伪迹；/n对每个候选眨眼伪迹进行特征提取，基于提取的特征向量，利用分类模型筛选出最终的眨眼伪迹。/n

【技术特征摘要】
1.一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，包括：
利用脑电信号采集设备实时获取脑电信号，并进行加窗缓冲处理；
动态计算眼电阈值，获得每个时间窗内可能的眨眼位置作为候选眨眼集合；
针对每个候选眨眼，确定其左右边界，构成候选眨眼伪迹；
对每个候选眨眼伪迹进行特征提取，基于提取的特征向量，利用分类模型筛选出最终的眨眼伪迹。


2.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，所述加窗缓冲处理采用短时间窗，同时采用带通小波滤波去除脑电信号中的电源噪声和高频噪声。


3.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，所述动态计算眼电阈值包括：
为避免短时眨眼对阈值大小的干扰，采用经带通滤波处理后，采用4秒内的脑电信号动态计算阈值，阈值大小计算公式为：
阈值＝脑电信号均值+1.5x脑电信号平均绝对偏差；
当脑电信号大于该阈值时，则认为是可能的眨眼，低于该阈值的，则认为是干净的脑电信号。


4.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，所述候选眨眼位置的左右边界确定包括：
首先计算每个候选眨眼起始和结束区间内最大值的位置，确定眨眼的上升和下降部分的边界，并计算时间窗内相邻两个点的差值DataVelocity，DataVelocity的长度等于当前时间窗长度减1；其次，找出眨眼上升部分DataVelocity的最大值MaxPosVel位置，以及眨眼下降部分DataVelocity的最小值MaxNegVel位置；最后计算可能的左右边界，即搜索左右两边DataVelocity符号改变的第一个点，若搜索不到，则说明其左右边界跨过了时间窗。


5.如权利要求1所述的一种面向实时脑电信号的眨眼伪迹识别方法，其特征在于，针对所述左右边界跨时间窗的问题，需要进行如下处理：
为确定可能的眨眼位置的左边界，对于上升边沿跨时间窗问题，从当前窗向前查找，找到DataVelocity符号改变的第一个点；对于下降沿跨时间窗问题，若相邻窗只有不超过可能的眨眼位置，则从前一个相邻窗的开始重新计算，找到DataVelocity符号改变的第一个点...

【专利技术属性】
技术研发人员：张宇昂，郑向伟，刘弘，嵇存，魏艺，徐卫志，田杰，吕蕾，
申请(专利权)人：山东师范大学，
类型：发明
国别省市：山东;37