一种脑电状态识别方法及装置与流程

本发明涉及脑电技术领域，尤其涉及一种脑电状态识别方法及装置。

背景技术：

目前市场上常见的生物反馈训练的产品中只包含脑电采集部分，不包含脑电识别功能，使其在反馈上缺乏目的性，对大脑状态的评估缺乏数据支撑。而少数具有脑电识别模块的产品采用相同的脑电识别模型对不同用户进行识别。但是，脑电个体差异性非常大，相同的脑电识别模型在个体上的表现差异巨大，从而导致脑电识别的准确率低下。

技术实现要素：

本发明实施例提出一种脑电状态识别方法及装置，能够提高脑电状态识别的准确性。

本发明实施例提供一种脑电状态识别方法，包括：

获取用户所对应的脑电识别模型；

采集所述用户的脑电信号；

从所述脑电信号中提取出特征值；

采用所述脑电识别模型对所述特征值进行分析，识别出所述脑电信号所处的状态类型。

在一个优选地实施方式中，所述获取用户所对应的脑电识别模型，具体包括：

从预先建立的模型库中获取所述用户所对应的脑电识别模型。

在另一个优选地实施方式中，所述获取用户所对应的脑电识别模型，具体包括：

采集所述用户大脑处于不同状态时的脑电信号样本；

分别从每个状态下的脑电信号样本中提取出特征值；

对所述每个状态下的特征值进行训练，构建所述用户所对应的脑电识别模型。

进一步地，所述从所述脑电信号中提取出特征值，具体包括：

将所述脑电信号由时域信号转换为频域信号，获得脑电频域信号；

获取所述脑电频域信号中每个频率的脑电能量；

分别计算当前窗口的脑电能量与其前N个窗口中的每个窗口的脑电能量的差值，获得第一能量差值；其中，所述当前窗口为当前时刻与其前M个时刻之间的时间段；其中，N≥1，M≥1；

计算当前窗口的脑电能量与预先获取的用户处于放松状态时的平均脑电能量的差值，获得第二能量差值；

将所述每个频率的脑电能量、所述第一能量差值和所述第二能量差值作为所述脑电信号的特征值。

进一步地，在所述从所述脑电信号中提取出特征值之前，还包括：

根据预设频段对采集到的所述脑电信号进行过滤。

相应地，本发明实施例还提供一种脑电状态识别装置，包括：

获取模块，用于获取用户所对应的脑电识别模型；

采集模块，用于采集所述用户的脑电信号；

提取模块，用于从所述脑电信号中提取出特征值；以及，

识别模块，用于采用所述脑电识别模型对所述特征值进行分析，识别出所述脑电信号所处的状态类型。

在一个优选地实施方式中，所述获取模块具体包括：

模型获取单元，用于从预先建立的模型库中获取所述用户所对应的脑电识别模型。

在另一个优选地实施方式中，所述获取模块具体包括：

样本采集单元，用于采集用户大脑处于不同状态时的脑电信号样本；

提取单元，用于分别从每个状态下的脑电信号样本中提取出特征值；以及，

模型构建单元，用于对所述每个状态下的特征值进行训练，构建所述用户的脑电识别模型。

进一步地，所述提取模块具体包括：

转换单元，用于将所述脑电信号由时域信号转换为频域信号，获得脑电频域信号；

脑电能量获取单元，用于获取所述脑电频域信号中每个频率的脑电能量；

第一能量差值获取单元，用于分别计算当前窗口的脑电能量与其前N个窗口中的每个窗口的脑电能量的差值，获得第一能量差值；其中，所述当前窗口为当前时刻与其前M个时刻之间的时间段；其中，N≥1，M≥1；

第二能量差值获取单元，用于计算当前窗口的脑电能量与预先获取的用户处于放松状态时的平均脑电能量的差值，获得第二能量差值；以及，

特征值获取单元，用于将所述每个频率的脑电能量、所述第一能量差值和所述第二能量差值作为所述脑电信号的特征值。

进一步地，所述脑电状态识别装置还包括：

过滤模块，用于根据预设频段对采集到的所述脑电信号进行过滤。

实施本发明实施例，具有如下有益效果：

本发明实施例提供的脑电状态识别方法及装置，能够获取用户自身的脑电识别模型，进而采用用户自身的脑电识别模型对采集到的用户的脑电信号进行分析，识别出用户脑电信号所处的状态类型，从而避免个体之间的差异，提高脑电状态识别的准确性。

附图说明

图1是本发明提供的脑电状态识别方法的一个实施例的流程示意图；

图2是本发明提供的脑电状态识别装置的一个实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，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作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明提供的脑电状态识别方法的一个实施例的流程示意图，包括

S1、获取用户所对应的脑电识别模型；

S2、采集所述用户的脑电信号；

S3、从所述脑电信号中提取出特征值；

S4、采用所述脑电识别模型对所述特征值进行分析，识别出所述脑电信号所处的状态类型。

需要说明的是，每个用户均具有其所对应的脑电识别模型，在对一个用户脑电状态进行识别时，先获取该用户所对应的脑电识别模型。在采集到用户的脑电信号后，提取脑电信号中的特征值，并采用该用户所对应的脑电识别模型对提取的特征值进行分析，识别该用户脑电所处的状态类型。其中，状态类型包括放松状态、用脑状态等。采用用户的脑电识别模型对用户自身的脑电状态进行识别，能够避免用户个体之间的差异，提高用户脑电状态识别的准确性。对用户脑电状态进行准确的分类是生物反馈训练的基础，可将本发明实施例所提供的脑电状态识别方法运用到生物反馈放松训练、生物反馈治疗、自动催眠设备、注意力训练设备、情绪认知训练、记忆力训练等训练中，使训练更具有目的性、针对性。

在一个优选地实施方式中，所述获取用户所对应的脑电识别模型，具体包括：

从预先建立的模型库中获取所述用户所对应的脑电识别模型。

需要说明的是，用户的脑电识别模型可预先建立并保存在模型库中，在需要对该用户的脑电状态进行识别时，从模型库中获取该用户的脑电识别模型进行识别。

在另一个优选地实施方式中，所述获取用户所对应的脑电识别模型，具体包括：

采集所述用户大脑处于不同状态时的脑电信号样本；

分别从每个状态下的脑电信号样本中提取出特征值；

对所述每个状态下的特征值进行训练，构建所述用户所对应的脑电识别模型。

需要说明的是，用户的脑电识别模型还可通过“在线学习”的方式获取。在采集用户的脑电模型进行识别前，先采集用户大脑处于不同状态时的脑电信号作为样本来“在线学习”出该用户的脑电识别模型。在采集用户的脑电信号样本时，用户根据程序提示完成制定动作，在用户执行过程中记录下用户所有的脑电数据，并按照时间段给用户的脑电数据打上标签，其中，时间段可以设置为1秒。在放松状态下，要求用户闭上眼睛，深呼吸，并尽量放松身体和大脑，持续60秒或更长时间，以将本过程采集到的脑电数据样本标注为“放松”；在用脑状态下，要求用户睁开眼睛通过手机或计算机屏幕阅读新闻或文章，阅读时要求用户尽量用心，在阅读后能对内容进行复述，持续60秒或更长时间，以将本过程采集到的脑电数据样本标注为“用脑”。

在采集了用户大脑处于不同状态时的脑电信号样本后，对脑电信号样本进行滤波去噪，如基线漂移、工频干扰、带通滤波等。再将脑电信号样本通过小波变换、Z变换、傅里叶变换等形式由时域转换为频域，进而设置时间窗口提取脑电信号样本中的特征值，并将提取出的特征值送入分类器中进行训练。其中，脑电信号具有非线性随机特征，凡符合非线性特征的分类器对上述分类都均能起到比较好的分类效果，如SVM、决策树、神经网络、贝叶斯模型等。在训练过程中，通过观察交叉验证(CrossValidation)结果确定脑电识别模型的识别效果。如果验证结果不理想，可修改滤波和特征值提取中的部分参数，如更换小波基、时间窗口大小、窗口差个数等，直到验证结果满意为止。

进一步地，所述从所述脑电信号中提取出特征值，具体包括：

将所述脑电信号由时域信号转换为频域信号，获得脑电频域信号；

获取所述脑电频域信号中每个频率的脑电能量；

分别计算当前窗口的脑电能量与其前N个窗口中的每个窗口的脑电能量的差值，获得第一能量差值；其中，所述当前窗口为当前时刻与其前M个时刻之间的时间段；其中，N≥1，M≥1；

计算当前窗口的脑电能量与预先获取的用户处于放松状态时的平均脑电能量的差值，获得第二能量差值；

将所述每个频率的脑电能量、所述第一能量差值和所述第二能量差值作为所述脑电信号的特征值。

需要说明的是，在采集到用户的脑电信号后，将采集到的数据通过小波变换、Z变换、傅里叶变换换等形式转换为频域信号，获得脑电频域信号，进而从脑电频域信号中提取出特征值。在特征值的提取中，获取脑电频域信号中的每个频域的脑电能量，当前窗口与其前N个窗口中的每个窗口的第一能量差值，当前窗口的第二能量差值。其中，窗口的大小可根据脑电信号采集时标记的标签来设置，同时窗口随着时间推移向后滑动。另外，用户处于放松状态时的平均脑电能量是采集用户在放松状态下的脑电信号样本，并将该状态下的脑电信号样本由时域转换为频域后计算获得的所有频率的脑电能量的平均值。

进一步地，在所述从所述脑电信号中提取出特征值之前，还包括：

根据预设频段对采集到的所述脑电信号进行过滤。

需要说明的是，采集到的脑电信号为实时电压数据，该数据中包含大量的噪声需要滤波后才可以使用。其中，滤波的方式包括基线漂移、工频干扰、带通滤波以获取感兴趣的数据。

本发明实施例提供的脑电状态识别方法，能够获取用户自身的脑电识别模型，进而采用用户自身的脑电识别模型对采集到的用户的脑电信号进行分析，识别出用户脑电信号所处的状态类型，从而避免个体之间的差异，提高脑电状态识别的准确性。

相应的，本发明还提供一种脑电状态识别装置，能够实现上述实施例中的脑电状态识别方法的所有流程。

参见图2，是本发明提供的脑电状态识别装置的一个实施例的结构示意图，包括：

获取模块1，用于获取用户所对应的脑电识别模型；

采集模块2，用于采集所述用户的脑电信号；

提取模块3，用于从所述脑电信号中提取出特征值；以及，

识别模块4，用于采用所述脑电识别模型对所述特征值进行分析，识别出所述脑电信号所处的状态类型。

在一个优选地实施方式中，所述获取模块具体包括：

模型获取单元，用于从预先建立的模型库中获取所述用户所对应的脑电识别模型。

在另一个优选地实施方式中，所述获取模块具体包括：

样本采集单元，用于采集用户大脑处于不同状态时的脑电信号样本；

提取单元，用于分别从每个状态下的脑电信号样本中提取出特征值；以及，

模型构建单元，用于对所述每个状态下的特征值进行训练，构建所述用户的脑电识别模型。

进一步地，所述提取模块具体包括：

转换单元，用于将所述脑电信号由时域信号转换为频域信号，获得脑电频域信号；

脑电能量获取单元，用于获取所述脑电频域信号中每个频率的脑电能量；

第一能量差值获取单元，用于分别计算当前窗口的脑电能量与其前N个窗口中的每个窗口的脑电能量的差值，获得第一能量差值；其中，所述当前窗口为当前时刻与其前M个时刻之间的时间段；其中，N≥1，M≥1；

第二能量差值获取单元，用于计算当前窗口的脑电能量与预先获取的用户处于放松状态时的平均脑电能量的差值，获得第二能量差值；以及，

特征值获取单元，用于将所述每个频率的脑电能量、所述第一能量差值和所述第二能量差值作为所述脑电信号的特征值。

进一步地，所述脑电状态识别装置还包括：

过滤模块，用于根据预设频段对采集到的所述脑电信号进行过滤。

本发明实施例提供的脑电状态识别装置，能够获取用户自身的脑电识别模型，进而采用用户自身的脑电识别模型对采集到的用户的脑电信号进行分析，识别出用户脑电信号所处的状态类型，从而避免个体之间的差异，提高脑电状态识别的准确性。

以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。