一种基于听觉脑机接口的目标探测方法与系统技术方案

本发明专利技术涉及一种基于听觉脑机接口的目标探测方法与系统，方法包括：实时采集使用者的脑电信号，并对所述脑电信号进行预处理，获取所述脑电信号的特征；对所述脑电信号的特征进行分类，获得分类结果，基于所述分类结果判断是否出现了对应于声音目标的神经表征，输出判断结果；根据所述判断结果，判断是否存在所述声音目标。本发明专利技术提出一种基于听觉脑机接口的目标探测方法与系统，有利于提升目前声音目标检测系统对于环境干扰和新目标样本的鲁棒性，从而完善声音目标检测系统的性能短板。从而完善声音目标检测系统的性能短板。从而完善声音目标检测系统的性能短板。

A target detection method and system based on auditory brain computer interface

【技术实现步骤摘要】
一种基于听觉脑机接口的目标探测方法与系统


[0001]本专利技术涉及人机交互科学、认知神经科学以及人工智能
，特别是涉及一种基于听觉脑机接口的目标探测方法与系统。

技术介绍

[0002]声音目标检测是指通过对采集到的外部声音的特征进行提取和分析进而判断出声音片段中是否存在人们感兴趣的目标的一种技术。由于声音信号与光学信号不同的传播特性，在相当一部分无法获取准确可靠的光学信号的情况下，使用声音信号进行目标检测会获得更好的识别性能，军用背景下，声音目标检测可以用于“低慢小”飞行器的目标检测问题，民用背景下，声音目标检测可以用于生物识别、灾区搜救等场景，具有广阔的应用价值。然而在实际使用过程中，一类目标往往对应多种不同的个体(例如卡车和家用轿车都属于汽车，小型航模无人机和大型拍摄用无人机都属于无人机)，由于个体间特征差异的原因导致目前的方法很难实现对某一类目标检测的鲁棒性，表现为新目标识别准确率低下，因此存在性能上的限制。
[0003]目前针对声音目标的识别方法主要依赖于机器学习技术(即提前获取要尽可能多种类多数量的检测的声音片段的数据和特征，建立数据集进行离线训练确定检测算法的参数，最终实现在线的实际应用)，该方法的一个主要缺陷是最终实际的使用性能很大程度上取决于训练集数据的数量和质量，当无法获取大量且全面的数据样本时，识别模型只能完成对一类目标中很少种类个体的识别或者无法正常完成训练。另一种解决问题的思路是利用人在声音感知上的智能，将采集到的声音通过播放设备输出到人的听觉系统，借用人的判断实现声音目标的检测，但这种方法要求人长期处于机械工作的状态下，易疲劳。脑机接口(brain
‑
computer interface,BCI)作为一种不依赖于外周神经和肌肉组织等常规大脑输出通路的一种信号传导通道。可以直接获取人对于外界声音是否存在目标的判断，同时省去了信息反馈的过程，可以一边从事其他的工作一边完成检测，即降低使用者的脑力劳动负荷和体力消耗。
[0004]在这种背景下，为了实现对于声音目标检测的鲁棒性，提出一种方法，通过事先确定要检测的声音目标的具体类别，使用脑机接口获取使用者感知声音过程中的脑电变化，判断是否出现了对应于声音目标的神经表征，如果出现了则根据任务要求和脑电变化的详细特征判断要检测的声音目标的存在。

技术实现思路

[0005]本专利技术的目的是提供一种基于听觉脑机接口的目标探测方法与系统，以解决上述现有技术中的问题。
[0006]为实现上述目的，本专利技术提供了如下方案：
[0007]一种基于听觉脑机接口的目标探测方法，包括：
[0008]实时采集使用者的脑电信号，并对所述脑电信号进行预处理，获取所述脑电信号
的特征；
[0009]对所述脑电信号的特征进行分类，获得分类结果，基于所述分类结果判断是否出现了对应于声音目标的神经表征，输出判断结果；
[0010]根据所述判断结果，判断是否存在所述声音目标。
[0011]优选地，对所述脑电信号进行预处理，包括：
[0012]对采集的所述脑电信号依次进行基线修正、带通滤波、伪迹滤除、共平均参考以及降采样操作，用于提取所述脑电信号的时频功率谱特征。
[0013]优选地，获取所述脑电信号的特征样本包括：
[0014]基于短时傅里叶变换方法提取所述时频功率谱特征，得到原始特征样本，对所述原始特征样本进行特征降维，得到压缩维数后的样本，即所述脑电信号的特征。
[0015]优选地，对所述原始特征样本进行特征降维，包括：
[0016]通过主成分分析方法对所述原始特征样本进行维数压缩，提取正常状态样本和检测状态样本，将所述正常状态样本和所述检测状态样本重排成一维特征向量后，计算所述正常状态样本和所述检测状态样本协方差矩阵，对所述协方差矩阵进行特征值分解，其中所述特征值按照大小排列，选取贡献率排名前90％的特征值所对应的特征向量构成变换矩阵，进行特征降维；其中，所述正常状态样本为没有目标出现时的脑电信号，所述检测状态样本为听到目标出现时的脑电信号。
[0017]优选地，获得所述分类结果的过程包括：
[0018]使用支持向量机SVM对所述脑电信号的特征样本进行分类识别，其中，所述SVM的计算方法为：
[0019][0020]式中，为样本x向高维空间的映射，w
T
代表分类超平面在高维空间中的法方向，b为偏移量，代表了坐标原点到分类超平面的距离；
[0021]若已知了m个样本，式(1)可进一步写为：
[0022][0023]式中，κ(x，x
i
)为SVM中选择的核函数；y
i
为第i个样本所属的类别，α
i
为参数优化算法中每一个样本对应的拉格朗日乘子，b为偏移量；
[0024]得到f(x)后，若f(x)≥1则判断样本x为正类，若f(x)≤
‑
1则判断样本x为负类。
[0025]优选地，判断是否出现了所述对应于声音目标的神经表征，包括：
[0026]根据所述脑电信号中提取的时频功率谱特征带入支持向量机SVM中，判断当前处理的所述脑电信号是否含有听觉事件电位中的P3成分以及alpha节律能量下降的迹象，若存在，则判断为出现了所述声音目标对应的神经表征。
[0027]优选地，输出所述判断结果的过程，包括：
[0028]通过在线判断规则，判断是否出现了所述声音目标，所述判断规则为：设置检测阈值，在一段连续的特征提取和判断过程中，若解码为“出现了声音目标对应的神经表征”的次数超过所述检测阈值，则输出“出现了声音目标”的结果，否则，均输出“没有出现声音目标”。
[0029]一种基于听觉脑机接口的目标探测系统，包括：
[0030]EEG特征提取子系统：用于采集使用者的脑电信号进行特征提取，并将提取的脑电信号特征传输至解码子系统中；
[0031]解码子系统：用于根据所述EEG特征提取子系统输出的脑电信号特征判断是否出现了对应于声音目标的神经表征；
[0032]决策子系统：用于根据所述解码子系统输出的结果判断是否存在所述声音目标。
[0033]优选地，所述EEG特征提取子系统中包括：
[0034]脑电采集模块：用于采集所述使用者的脑电信号并进行传输；
[0035]脑电处理模块：用于接收所述脑电信号，并对所述脑电信号进行处理，计算出所述脑电信号所包含的识别特征并转化成特征向量进行输出。
[0036]本专利技术的有益效果为：
[0037]本专利技术提出一种基于听觉脑机接口的目标探测方法与系统，有利于提升目前声音目标检测系统对于环境干扰和新目标样本的鲁棒性，从而完善声音目标检测系统的性能短板。
附图说明
[0038]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于听觉脑机接口的目标探测方法，其特征在于，包括：实时采集使用者的脑电信号，并对所述脑电信号进行预处理，获取所述脑电信号的特征；对所述脑电信号的特征进行分类，获得分类结果，基于所述分类结果判断是否出现了对应于声音目标的神经表征，输出判断结果；根据所述判断结果，判断是否存在所述声音目标。2.根据权利要求1所述的基于听觉脑机接口的目标探测方法，其特征在于，对所述脑电信号进行预处理，包括：对采集的所述脑电信号依次进行基线修正、带通滤波、伪迹滤除、共平均参考以及降采样操作，用于提取所述脑电信号的时频功率谱特征。3.根据权利要求2所述的基于听觉脑机接口的目标探测方法，其特征在于，获取所述脑电信号的特征样本包括：基于短时傅里叶变换方法提取所述时频功率谱特征，得到原始特征样本，对所述原始特征样本进行特征降维，得到压缩维数后的样本，即所述脑电信号的特征。4.根据权利要求3所述的基于听觉脑机接口的目标探测方法，其特征在于，对所述原始特征样本进行特征降维，包括：通过主成分分析方法对所述原始特征样本进行维数压缩，提取正常状态样本和检测状态样本，将所述正常状态样本和所述检测状态样本重排成一维特征向量后，计算所述正常状态样本和所述检测状态样本协方差矩阵，对所述协方差矩阵进行特征值分解，其中所述特征值按照大小排列，选取贡献率排名前90％的特征值所对应的特征向量构成变换矩阵，进行特征降维；其中，所述正常状态样本为没有目标出现时的脑电信号，所述检测状态样本为听到目标出现时的脑电信号。5.根据权利要求1所述的基于听觉脑机接口的目标探测方法，其特征在于，获得所述分类结果的过程包括：使用支持向量机SVM对所述脑电信号的特征样本进行分类识别，其中，所述SVM的计算方法为：式中，为样本x向高维空间的映射，w
T
代表分类超平面在高维空间中的法方向，b为偏移量，代表了坐标原点到分类超平面的距离；若已知了m个样本，式(1)可...

【专利技术属性】
技术研发人员：毕路拯，王瑞东，史健廷，彭博林，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：