【技术实现步骤摘要】
一种混合视线脑机接口的时间窗长度自适应选择方法
本专利技术属于脑机接口相关
，涉及一种混合视线脑机接口的时间窗长度自适应选择方法。
技术介绍
脑-机接口是一种新型的人-机交互技术，该技术涉及神经科学、信号检测、信号处理、模式识别等多学科，研究如何用神经信号与外部设备进行直接交互。在不同类型的脑机接口中，基于稳态视觉诱发电位(SteadyStateVisualEvokedPotentials,SSVEP)的脑机接口在目标选择的场景中展现出了卓越的性能，相比基于运动想象等信号的脑机接口，基于SSVEP的脑机接口具有使用简便、识别准确率高、信息传输速率高等优点，因此在目标选择的场景中得到了广泛的应用。视线追踪技术目前主要应用于心理学、界面设计与评估、和人机交互等领域。人眼跳动相比人的手动操作具有更快的反应速度，因此设计使用眼睛操控的设备必然会大大提高交互效率。脑机接口中的SSVEP信号和视线追踪信号在人机交互展现出了互补的优点：视线追踪技术使得用户能够快速地确定待选择目标所在的大致范围，SSVEP信号使得用户能够选中...
【技术保护点】
1.一种混合视线脑机接口的时间窗长度自适应选择方法，其特征在于，该方法包括如下步骤：/n步骤一：建立脑电信号分类模型：使用多变量同步指数方法对稳态视觉诱发电位信号建立分类模型，得到K个目标被选中的概率分别为s
【技术特征摘要】
1.一种混合视线脑机接口的时间窗长度自适应选择方法，其特征在于，该方法包括如下步骤：
步骤一：建立脑电信号分类模型：使用多变量同步指数方法对稳态视觉诱发电位信号建立分类模型，得到K个目标被选中的概率分别为s1,s2...sk；
步骤二：建立视线追踪信号分类模型：使用高斯分布建立注视点精度模型，根据用户注视点距离第i个目标的距离di，计算得到第i个目标被选中的概率ci，从而得到K个目标被选中的概率分别为c1,c2...ck；
步骤三：将通过脑电信号分类模型得到的s1,s2...sk和通过视线追踪分类模型得到的c1,c2...ck分别进行标准化，使用朴素贝叶斯方法将两者进行融合，得到K个目标被选中的概率分别为p1,p2...pk；
步骤四：选取衡量分类结果置信度的指标向量P；
步骤五：离线训练阶段，通过贝叶斯优化计算得到使得信息传输速率最大的指标向量Thrp*；
步骤六：在线测试阶段，在每个计算周期中比较当前的置信度指标向量P与Thrp*的大小，当P的值大于Thrp*时输出分类结果，以实现时间窗长度自适应选择的目的。
2.根据权利要求1中所述一种混合视线脑机接口的时间窗长度自适应选择方法，其特征在于；步骤一所述脑电信号分类模型如下：
使用多变量同步指数方法估计SSVEP信号与构造的正余弦参考信号Y之间的同步指数，其中SSVEP信号X为一组N*M的脑电信号，其中N为脑电信号的通道个数，M为脑电信号的采样点数，第i个目标的参考信号Yi的构造如下：
其中fi是第i个目标对应的闪烁频率，fs是脑电信号的采样频率，NH是参考信号含有的谐波个数；
计算X与Yi的相关矩阵C:
其中：
为了减少X与Yi的自相关影响，计算C的自相关矩阵U:
根据如下公式计算新矩阵R：
设λ1,λ2...λq是R的特征值，将其进行标准化操作：
其中q＝N+2NH；
则X与Yi的同步指数si可以按如下公式计算：
将同步指数si作为第i个目标被选中的概率，则将X与每个目标的参考信号分别进行同步指数的计算则得到每个目标被选中的概率s1,s2...sk。
3.根据权利要求1中所述一种混合视线脑机接口的时间窗长度自适应选择方法，其特征在于；步骤二所述注视点精度模型如下：
设用户注视点位置为(xg,yg)，第i个目标所在位置坐标为(xti,yti)，则注视点距离目标的距离使用高斯分布为注视点的精度建模，当用户注视点位置为(xg,yg)时第i个目标被选中的概率为：
其中σ为视线追踪设备的检测误差，将用户注视点位置和每个目标所在位置坐标进行计算则得到每个目标被选中的概率为c1,c2...ck。
4.根据权利要求1中所述一种混合视线脑机接口的时间窗长度自适应选择方法，其特征在于；步骤三所述融合方法如下：
得到将脑电信号分类模型与视线追踪信号分类模型分类结果融合后，...
【专利技术属性】
技术研发人员：曾洪，沈熠韬，李潇，余伟杰，宋爱国，徐宝国，
申请(专利权)人：东南大学，
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。