【技术实现步骤摘要】
本申请属于人工智能，尤其涉及基于脑电信号的个性化人机交互方法、装置、设备及介质。
技术介绍
1、随着科技的发展，脑机接口技术已广泛应用于各领域。基于脑电信号判断用户意图是脑机接口的重要研究方向之一。目前基于脑电信号判断用户意图的技术多采用公共模型，根据大样本数据建立通用的特征提取和分类器，对所有用户采用统一策略进行判断。但研究发现，由于用户在年龄、性别、身体状况等方面的差异，不同脑区的激活模式存在显著的个体差异。公共模型方法无法针对个体差异进行优化，导致对具体用户意图判断的准确性不高。针对上述问题，设计一种能够个性化分析脑电信号的判断方法，以提高特定用户意图判断的准确率，成为当前研究的重点和难点之一。
技术实现思路
1、本申请实施例提供了基于脑电信号的个性化人机交互方法、装置、设备及介质，可以解决由于用户在年龄、性别、身体状况等方面的差异，不同脑区的激活模式存在显著的个体差异，公共模型方法无法针对个体差异进行优化，导致对具体用户意图判断的准确性不高问题。
2、第一方面，本申请实施例提供了一种基于脑电信号的个性化人机交互方法，包括：
3、预先采集包含第一用户脑电信号的样本数据集，所述样本数据集包含第一用户脑电信号，每个所述第一用户脑电信号对应有多个第一脑电信号特征；
4、对所述样本数据集进行预处理，得到样本数据集矩阵，根据所述样本数据集矩阵确定出每个第一脑电信号特征对应的权重匹配系数；
5、实时采集第二用户脑电信号，从所述第二用户脑电信
6、根据所述第一脑电信号特征对应的权重匹配系数对同样类型的所述第二用户脑电信号特征进行加权，根据加权后的所述第二用户脑电信号特征，得到脑电意图分类结果。
7、第二方面，本申请实施例提供了一种基于脑电信号的个性化人机交互装置，包括：
8、预先采集模块，用于预先采集包含第一用户脑电信号的样本数据集，所述样本数据集包含第一用户脑电信号，每个所述第一用户脑电信号对应有多个第一脑电信号特征；
9、预处理模块，用于对所述样本数据集进行预处理，得到样本数据集矩阵，根据所述样本数据集矩阵确定出每个第一脑电信号特征对应的权重匹配系数；
10、实时采集模块，用于实时采集第二用户脑电信号，从所述第二用户脑电信号中分离出低频脑电信号和高频脑电信号，根据所述低频脑电信号和所述高频脑电信号得到第三用户脑电信号，提取所述第三用户脑电信号中的多个第二用户脑电信号特征；
11、分类模块，用于根据所述第一脑电信号特征对应的权重匹配系数对同样类型的所述第二用户脑电信号特征进行加权，根据加权后的所述第二用户脑电信号特征，得到脑电意图分类结果。
12、第三方面，本专利技术实施例还提供一种终端设备，所述终端设备包括处理器、存储器、存储在所述存储器上并可被所述处理器执行的计算机程序以及用于实现所述处理器和所述存储器之间的连接通信的数据总线，其中所述计算机程序被所述处理器执行时，实现如本专利技术说明书提供的任一项基于脑电信号的个性化人机交互方法的步骤。
13、第四方面，本专利技术实施例还提供一种存储介质，用于计算机可读存储，其特征在于，所述存储介质存储有一个或者多个程序，所述一个或者多个程序可被一个或者多个处理器执行，以实现如本专利技术说明书提供的任一项基于脑电信号的个性化人机交互方法的步骤。
14、本申请实施例与现有技术相比存在的有益效果是：预先采集每个第一用户脑电信号对应的多个第一脑电信号特征，并确定出每个第一脑电信号特征对应的权重匹配系数；从而在获得第二用户脑电信号对应的多个第二用户脑电信号特征时，可根据第一脑电信号特征对应的权重匹配系数对同样类型的第二用户脑电信号特征进行加权，进而根据加权后的第二用户脑电信号特征，得到脑电意图分类结果。使得在获得第二用户脑电信号对应的脑电意图分类结果之前，可以获得用户个性化特征权重，从而实现对用户关注特征的识别和加权，提高关键特征对分类结果的贡献，为后续提高意图分类结果的准确性提供了支撑。解决了相关技术中由于用户在年龄、性别、身体状况等方面的差异，不同脑区的激活模式存在显著的个体差异，公共模型方法无法针对个体差异进行优化，导致对具体用户意图判断的准确性不高问题，提高了用户意图判断的准确性。
本文档来自技高网...【技术保护点】
1.一种基于脑电信号的个性化人机交互方法，其特征在于，包括：
2.如权利要求1所述的基于脑电信号的个性化人机交互方法，其特征在于，对所述样本数据集进行预处理，得到样本数据集矩阵，包括：
3.如权利要求1所述的基于脑电信号的个性化人机交互方法，其特征在于，根据所述样本数据集矩阵确定出每个第一脑电信号特征对应的权重匹配系数，包括：
4.如权利要求1所述的基于脑电信号的个性化人机交互方法，其特征在于，根据所述低频脑电信号和高频脑电信号得到第三用户脑电信号，包括：
5.如权利要求4所述的基于脑电信号的个性化人机交互方法，其特征在于，基于所述低频脑电信号的信号特征，计算得到所述高频脑电信号的增益系数，包括：
6. 如权利要求5所述的基于脑电信号的个性化人机交互方法，其特征在于，所述增益系数u(n)的表达式为：
7.如权利要求1至6任一项所述的基于脑电信号的个性化人机交互方法，其特征在于，根据加权后的所述第二用户脑电信号特征，得到脑电意图分类结果，包括：
8.一种基于脑电信号的个性化人机交互装置，其特征在于，
9.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至7任一项所述的基于脑电信号的个性化人机交互方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的基于脑电信号的个性化人机交互方法。
...【技术特征摘要】
1.一种基于脑电信号的个性化人机交互方法，其特征在于，包括：
2.如权利要求1所述的基于脑电信号的个性化人机交互方法，其特征在于，对所述样本数据集进行预处理，得到样本数据集矩阵，包括：
3.如权利要求1所述的基于脑电信号的个性化人机交互方法，其特征在于，根据所述样本数据集矩阵确定出每个第一脑电信号特征对应的权重匹配系数，包括：
4.如权利要求1所述的基于脑电信号的个性化人机交互方法，其特征在于，根据所述低频脑电信号和高频脑电信号得到第三用户脑电信号，包括：
5.如权利要求4所述的基于脑电信号的个性化人机交互方法，其特征在于，基于所述低频脑电信号的信号特征，计算得到所述高频脑电信号的增益系数，包括：
6. 如权利要求...
【专利技术属性】
技术研发人员：胡方扬，魏彦兆，李宝宝，唐海波，迟硕，
申请(专利权)人：小舟科技有限公司，
类型：发明
国别省市：
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。