基于运动想象特征提取的游戏操作方法及电子设备技术

本发明专利技术实施例公开了一种基于运动想象特征提取的游戏操作方法及电子设备。方法包括：采集脑电信号，并对其进行预处理，得到第一信号；对第一信号进行连续小波变换及特定范围提取，得到第二信号；对第二信号进行短时傅里叶变化，得到时频功率图；将时频功率图输入预设的卷积神经网络进行特征提取及分类处理，得到分类结果；将所述分类结果在线转化为代码，通过代码控制游戏精灵向左或向右运动。本发明专利技术实施例使用了当前对特征提取具有强大功能的卷积神经网络，实现了高质量和快速的特征提取及分类，即提高了特征分类提取的准确率，且分类结果可以快速地进行电脑译码，达到在线处理，从而将运动想象这一技术运用到了只需左右移动操作的游戏中。动操作的游戏中。动操作的游戏中。

【技术实现步骤摘要】
基于运动想象特征提取的游戏操作方法及电子设备


[0001]本专利技术涉及信号处理与模式识别
，具体涉及一种基于运动想象特征提取的游戏操作方法及电子设备。

技术介绍

[0002]运动想象(Motor Imagery，MI)是指病人在不能进行正常肢体运动的状态下，凭借大脑想象支配其肢体进行正常运动的思维过程。比如想象左手或右手运动，但不会真实地将左手或右手进行具体的运动。想象左手或右手运动这一运动想象主要应用是可以帮助上肢活动不便的患者进行左右手的康复运动。此外，运动想象还可用于控制特质的轮椅、神经假肢等设备，从而实现患者疾病部位的恢复和代替。
[0003]运动想象的主要原理是对患者的大脑进行脑电信号(electroencephalography，EEG)采集，对其进行初步的预处理之后，再对脑电信号进行解码。目前，脑电信号解码仍然是一项挑战性任务。因为脑电信号是一种随着时间变化的、非平稳的随机信号，具有复杂的时间特性。
[0004]传统EEG解码方法依赖相关领域的专业知识，利用如共空间模式(common spatial pattern，CSP)、滤波器组共空间模式(Filter Bank Common Spatial Pattern，FBCSP)或黎曼协方差等方法手动提取特征，再结合线性判别分类器(Linear Discriminant Analysis，LDA)或支持向量机(Support Vector Machine,SVM)等方法进行分类。解码得到的结果可以快速递进行电脑译码，达到在线处理，由此可以做到将运动想象应用到只需要左右移动操作的游戏上。
[0005]但是，由于脑电信号受外界环境、设备噪音和被试者身体状态等各种因素的影响，采用现有技术对脑电信号进行特征提取也难以保证较高的准确率。因此，导致将运动想象应用于实际场景中还存在不小的差距。

技术实现思路

[0006]针对现有分类技术存在的问题，本专利技术实施例的目的在于提供一种基于运动想象特征提取的游戏操作方法及电子设备，以提高特征分类准确率，从而更好地将分类结果应用于游戏开发和使用中。
[0007]为实现上述目的，第一方面，本专利技术实施例提供了一种基于运动想象特征提取的游戏操作方法，包括：
[0008]采集脑电信号，并对所述脑电信号进行预处理，得到第一信号；
[0009]对所述第一信号进行连续小波变换及特定范围提取，得到第二信号；
[0010]对所述第二信号进行短时傅里叶变化，得到时频功率图；
[0011]将所述时频功率图输入预设的卷积神经网络进行特征提取及分类处理，得到分类结果；所述分类结果包括左边数据和右边数据；
[0012]将所述分类结果在线转化为代码，通过所述代码控制游戏精灵向左或向右运动。
[0013]作为本申请的一种具体实施方式，对所述脑电信号进行预处理包括：通道选取、采样率降低、滤波、基线矫正以及分段。
[0014]作为本申请的一种具体实施方式，得到第二信号具体为：
[0015]采用母小波函数对所述第一信号进行连续小波变换；
[0016]从所述脑电信号中选取频率范围为8—30Hz的信号，对选取的信号进行简化处理后得到第二信号；所述第二信号为20
×
1000
×
3，20指的是经过连续小波变换后的频率样本数，1000指的是时间样本数，3指的是通道数。
[0017]在本申请的某些优选实施方式中，将所述时频功率图输入预设的卷积神经网络进行特征提取及分类处理之前，所述游戏操作方法还包括：
[0018]构建卷积神经网络；所述卷积神经网络包括3层卷积层、3层采样层、1个全连接层以及一个回归层，所述回归层采样softmax作为回归函数。
[0019]第二方面，本专利技术实施例提供了一种基于运动想象特征提取的电子设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器被配置用于调用所述程序指令，执行上述第一方面的方法。
[0020]第三方面，本专利技术实施例提供了另一种基于运动想象特征提取的电子设备，包括：
[0021]采集单元，用于采集脑电信号，并对所述脑电信号进行预处理，得到第一信号；
[0022]第一单元，用于对所述第一信号进行连续小波变换及特定范围提取，得到第二信号；
[0023]第二单元，用于对所述第二信号进行短时傅里叶变化，得到时频功率图；
[0024]特征提取及分类单元，用于将所述时频功率图输入预设的卷积神经网络进行特征提取及分类处理，得到分类结果；所述分类结果包括左边数据和右边数据；
[0025]控制单元，用于将所述分类结果在线转化为代码，通过所述代码控制游戏精灵向左或向右运动。
[0026]实施本专利技术实施例的游戏操作方法及电子设备，使用了当前对特征提取具有强大功能的卷积神经网络，实现了高质量和快速的特征提取及分类，即提高了特征分类提取的准确率，且分类结果可以快速地进行电脑译码，达到在线处理，从而将运动想象这一技术运用到了只需左右移动操作的游戏中。
附图说明
[0027]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
[0028]图1是本专利技术实施例提供的基于运动想象特征的游戏操作方法的流程图；
[0029]图2是本专利技术第一实施例提供的基于运动想象特征的电子设备的结构图；
[0030]图3是本专利技术第二实施例提供的基于运动想象特征的电子设备的结构图。
具体实施方式
[0031]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，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本发
明中的实施例，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它实施例，都属于本专利技术保护的范围。
[0032]请参考图1，本专利技术实施例提供的基于运动想象特征的游戏操作方法包括：
[0033]S101，采集脑电信号，并对所述脑电信号进行预处理，得到第一信号。
[0034]具体地，采集被试者的脑电信号，在线经过通道选取、降采样率、滤波、基线矫正及分段等简单的预处理。
[0035]S102，对所述第一信号进行连续小波变换及特定范围提取，得到第二信号。
[0036]具体地，需要对信号进行连续小波变换，将信号特定的范围进行提取。本实施例选择的母小波函数为Morse，公式为：WT(α,τ)≤f(t),择的母小波函数为Morse，公式为：WT(α,τ)≤f(t),WT为小波变换系数，f(t)为EEG信号，α为尺度因子,τ为平移因子，做与平移因子τ相关的伸缩。因为运动想象任务中al
‑
pha和beta波段会出现ERD和ERS现象，所以选的EEG本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于运动想象特征提取的游戏操作方法，其特征在于，包括：采集脑电信号，并对所述脑电信号进行预处理，得到第一信号；对所述第一信号进行连续小波变换及特定范围提取，得到第二信号；对所述第二信号进行短时傅里叶变化，得到时频功率图；将所述时频功率图输入预设的卷积神经网络进行特征提取及分类处理，得到分类结果；所述分类结果包括左边数据和右边数据；将所述分类结果在线转化为代码，通过所述代码控制游戏精灵向左或向右运动。2.如权利要求1所述的游戏操作方法，其特征在于，对所述脑电信号进行预处理包括：通道选取、采样率降低、滤波、基线矫正以及分段。3.如权利要求2所述的游戏操作方法，其特征在于，得到第二信号具体为：采用母小波函数对所述第一信号进行连续小波变换；从所述脑电信号中选取频率范围为8—30Hz的信号，对选取的信号进行简化处理后得到第二信号；所述第二信号为20
×
1000
×
3，20指的是经过连续小波变换后的频率样本数，1000指的是时间样本数，3指的是通道数。4.如权利要求1所述的游戏操作方法，其特征在于，将所述时频功率图输入预设的卷积神经网络进行特征提取及分类处理之前，所述游戏操作方法还包括：构建卷积神经网络；所述卷积神经网络包括3层卷积层、3层采样层、1个全连接层以及一个回归层，所述回归层采样softmax作为回归函数。5.一种基于运动想象特征提取的电子设备，包括处理器、输入设备、输出设备和存储器，所述处理器、输入设备、输出设备和存储器相互连接，其中，所述存储器用于存储...

【专利技术属性】
技术研发人员：廖文喆，李嘉濠，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：