【技术实现步骤摘要】
本专利技术涉及体感音波刺激，尤其涉及基于实时脑电监测技术的体感音波刺激方法和装置。
技术介绍
1、体感音波刺激是指通过音波向个体传递特定的声音刺激，以产生特定的感觉或效果，体感音波刺激可用于虚拟现实、游戏和心理疗法，在虚拟现实领域通过音波刺激耳朵或身体的特定部位，可以模拟人们在虚拟场景中的感觉，例如风吹过耳边、爆炸声、触感等，从而提升用户的沉浸感，在游戏领域通过音波刺激耳朵和身体的感受器官，能够让玩家更好地感受到游戏中的音效、动作和环境，在心理疗法领域通过音波刺激患者的平衡感受器官，可以帮助他们恢复平衡功能，此外，体感音波刺激还可以用于促进深度放松、减轻焦虑和疼痛等方面；
2、现有技术中的体感音波刺激方法在使用过程中仍存在以下不足：1、现有的体感音波刺激方法较为单一，其使用体验感较低，不能够根据个体的年龄、性别、认知状态和大脑结构等因素给出适合的体感音波刺激，不能满足使用需求，综合上述情况，因此我们提出了基于实时脑电监测技术的体感音波刺激方法和装置。
技术实现思路
1、基于
技术介绍
存在的技术问题，本专利技术提出了基于实时脑电监测技术的体感音波刺激方法和装置。
2、本专利技术提出的基于实时脑电监测技术的体感音波刺激方法，包括以下步骤：
3、s1：使用脑电图设备-eeg电极帽，来记录个体的脑电信号，将eeg电极帽上的电极分布在头皮上，并记录大脑神经元的电活动，其可以提供实时和非侵入式的大脑活动信息；
4、s2：采集到的脑电信号通常需要进行
5、s3：从脑电信号中提取相关的特征以描述个体的体感状态或意图，从而能够反映不同体感状态下的脑电信号特点；
6、s4：以学习特定体感状态或意图的模式，训练一个支持向量机(svm)分类器，通过机器学习算法对提取到的特征进行分类和识别；
7、s5：根据识别出的个体体感状态或意图，生成相应的音波刺激并传递给耳机、扬声器或其他音频设备来实现播放，并将音频刺激与图像、虚拟显示场景等其他刺激形式相结合，以提供更加沉浸式的体感体验。
8、优选地，所述s2的具体操作步骤如下：
9、滤波：应用带通滤波器来去除脑电信号中的噪声和不需要的频率成分，常见的带通滤波器包括低通滤波器、高通滤波器和带通滤波器，选择合适的滤波器参数以满足具体应用需求；
10、去伪迹：去除脑电信号中的伪迹，如眼电伪迹和肌电伪迹，常用的方法是使用均方根去眼动伪迹，通过计算信号的均方根值来检测和去除眼电伪迹，对于肌电伪迹，可以使用经验模态分解(emd)等方法来去除，其中均方根植使用的表达式为：rms＝sqrt((1/n)*σ(xi^2))，其中n表示数据点的数量，xi表示每个数据点的值，σ表示求和；
11、运动伪迹去除：运动伪迹是由于头部或身体运动引起的脑电信号中的伪迹，通常使用独立成分分析(ica)的技术来分离脑电信号和运动伪迹信号，并将运动伪迹信号去除，其表达式为：x＝as，其中x是一个m×t的观测矩阵，m表示观测信号的数量，t表示信号的时间长度，a是一个m×n的混合矩阵，每一行表示一个观测信号对应的混合权重，s是一个n×t的源信号矩阵，每一行表示一个源信号，t表示信号的时间长度；
12、伪迹检测与修剪：进一步检测和修剪可能由于电极接触不良、运动或其他干扰引起的伪迹，通过检测信号的幅度、斜率、时频特征或统计指标等来确定伪迹的存在，并将其修剪或排除；
13、信号重采样：对信号进行重采样，以调整采样率和数据点数，以满足后续处理的需求，例如，可以将高采样率的信号降采样到更低的采样率，以降低计算复杂性和存储需求；
14、均值化和标准化：对信号进行均值化和标准化，以消除偏移和增强信号的相对变化。
15、优选地，所述s3中，从脑电信号中提取与体感状态或意图相关的特征，其特征包括时域、频域和时频域特征，其中时域特征是根据信号的振幅和波形特征进行计算的，时域特征包括均值、方差、斜率等，反映了信号的振幅和波形特征，其中均值为信号的平均值，反映信号的整体水平，方差为信号的离散程度，反映信号的波动性，斜率为信号在单位时间内的变化率，反映信号的变化速度；频域特征通常使用傅立叶变换或小波变换来计算信号的频谱分布，例如能量、功率或频谱特征，其中能量为某个频带内信号的总能量，功率为信号的功率值，是能量在单位时间内的平均分布，频谱特征是通过计算频谱的形态、宽度、剖面等特征来描述信号的频谱分布；时频域特征可以使用时频分析方法(如短时傅立叶变换)计算信号的时频变化特征，其中短时傅立叶变换是将信号分解为时域和频域的信号成分，可以用于分析信号的时频变化，其使用的数学表达式为：stft(x(t),
au,\deltat)＝x(
au,f)，其中x(t)是原始信号，表示为时间的函数，
au是时间偏移量，表示窗口的中心时间位置，\deltat是窗口的时长(也称为帧长)，表示时间窗口的长度，x(
au,f)是在时频域上得到的信号的表示，是一个复数矩阵，f是频率变量，表示频率轴上的点。
16、优选地，所述s3中从脑电信号中提取相关的特征以描述个体的体感状态或意图的具体步骤如下：
17、在预处理后，从脑电信号中提取与体感状态或意图相关的特征；
18、根据具体的应用需求，对提取到的大量特征进行选择和筛选，其中特征选择可以基于统计分析、信息论或机器学习算法进行选择，目标是选择那些与体感状态或意图相关性较高的、能够提供有效信息的特征，以减少维度和冗余，其中统计分析使用的表达式为：其中r表示相关系数，用于衡量两个变量之间的线性相关程度，μx表示变量x的均值(mean)，μy表示变量y的均值(mean)，xi表示变量x的第i个观测值，yi表示变量y的第i个观测值，∑表示求和符号，表示需要对观测值进行累加操作，n表示观测值的总数或样本大小，(xi-μx)(yi-μy)表示对应观测值之间的偏差的乘积，用于计算协方差，表示测值偏差的平方和的乘积的开方，用于计算标准差的乘积；
19、特征表示和编码：对选定的特征进行归一化、规范化或其他预处理步骤，以确保特征在不同数据范围下具有一致的值。
20、优选地，所述s4的具体步骤如下：
21、数据准备：首先准备用于训练的数据集，这个数据集应包括已经标记了体感状态或意图的样本，以及与之相关联的特征集合；
22、特征标准化：将特征采用z-score标准化或将特征缩放到固定的范围内进行标准化或规范化处理，以确保不同特征在数值上具有相似的尺度；
23、分离训练数据：将数据集划分为训练集和验证集，训练集用于训练svm模型的参数，而验证集用于调节svm模型的超参数；
24、参数调节与优化：通过交叉验证方法来调整svm模型的超参数，以获得最佳的分类性能，常见的超参数包括核函数类型、惩罚系数c等；
25、训练svm模型：使用训练集来训本文档来自技高网...
【技术保护点】
1.基于实时脑电监测技术的体感音波刺激方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于实时脑电监测技术的体感音波刺激方法，其特征在于，所述S2的具体操作步骤如下：
3.根据权利要求1所述的基于实时脑电监测技术的体感音波刺激方法，其特征在于，所述S3中，从脑电信号中提取与体感状态或意图相关的特征，其特征包括时域、频域和时频域特征，其中时域特征是根据信号的振幅和波形特征进行计算的，时域特征包括均值、方差、斜率等，反映了信号的振幅和波形特征，其中均值为信号的平均值，反映信号的整体水平，方差为信号的离散程度，反映信号的波动性，斜率为信号在单位时间内的变化率，反映信号的变化速度；频域特征通常使用傅立叶变换或小波变换来计算信号的频谱分布，例如能量、功率或频谱特征，其中能量为某个频带内信号的总能量，功率为信号的功率值，是能量在单位时间内的平均分布，频谱特征是通过计算频谱的形态、宽度、剖面等特征来描述信号的频谱分布；时频域特征可以使用时频分析方法(如短时傅立叶变换)计算信号的时频变化特征，其中短时傅立叶变换是将信号分解为时域和频域的信号成分，可以用于分析信号
4.根据权利要求1所述的基于实时脑电监测技术的体感音波刺激方法，其特征在于，所述S3中从脑电信号中提取相关的特征以描述个体的体感状态或意图的具体步骤如下：
5.根据权利要求1所述的基于实时脑电监测技术的体感音波刺激方法，其特征在于，所述S4的具体步骤如下：
6.根据权利要求1所述的基于实时脑电监测技术的体感音波刺激方法，其特征在于，所述S5的具体步骤如下：
7.基于实时脑电监测技术的体感音波刺激装置，用于实现权利要求1-6任一项所述的方法，其特征在于，包括脑电信号采集模块、信号预处理模块、特征提取模块、特征分类和识别模块、音波刺激生成和传递模块；
...【技术特征摘要】
1.基于实时脑电监测技术的体感音波刺激方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于实时脑电监测技术的体感音波刺激方法，其特征在于，所述s2的具体操作步骤如下：
3.根据权利要求1所述的基于实时脑电监测技术的体感音波刺激方法，其特征在于，所述s3中，从脑电信号中提取与体感状态或意图相关的特征，其特征包括时域、频域和时频域特征，其中时域特征是根据信号的振幅和波形特征进行计算的，时域特征包括均值、方差、斜率等，反映了信号的振幅和波形特征，其中均值为信号的平均值，反映信号的整体水平，方差为信号的离散程度，反映信号的波动性，斜率为信号在单位时间内的变化率，反映信号的变化速度；频域特征通常使用傅立叶变换或小波变换来计算信号的频谱分布，例如能量、功率或频谱特征，其中能量为某个频带内信号的总能量，功率为信号的功率值，是能量在单位时间内的平均分布，频谱特征是通过计算频谱的形态、宽度、剖面等特征来描述信号的频谱分布；时频域特征可以使用时频分析方法(如短时傅立叶变换)计算信号的时频变化特征，其中短时傅立叶变换是将信号分解为时域和频域的信号成...
【专利技术属性】
技术研发人员：缪国栋，
申请(专利权)人：厦门狄耐克智能科技股份有限公司，
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。