基于脑机接口的信任博弈实验系统的制作方法

本发明涉及认知科学神经领域，特别是一种基于脑机接口的信任博弈实验系统。

背景技术：

目前在信任博弈心理学研究领域，运用脑机接口技术开展研究是一个新兴的动态，还没有专门用于这类研究的实验平台。基于脑机接口的信任博弈实验系统是一个软件系统，包括博弈交互模块、脑电信号采集模块、信号处理模块、主控协调模块、决策识别模型训练模块和虚拟被试生成模块，能够支持这类研究工作。

技术实现要素：

有鉴于此，本发明的目的是提出一种基于脑机接口的信任博弈实验系统，能够支持相关研究的新型实验范式。

本发明采用以下方案实现：一种基于脑机接口的信任博弈实验系统，包括博弈交互模块、脑电信号采集模块、信号处理模块、主控协调模块、决策识别模型训练模块、以及虚拟被试生成模块；

所述博弈交互模块、脑电信号采集模块，信号处理模块和主控协调模块这四个模块在运行时均为独立的进程；当开展一个被试与虚拟被试之间的博弈决策实验时在一台计算机上运行这四个模块；当开展多个被试的博弈决策实验时，每台负责一个被试的计算机上都运行这四个模块；在一台计算机内部，这四个模块通过进程间的协调与通信实时处理被试博弈决策的交互、脑电信号的采集、脑电信号与交互标记的存储、脑电信号的在线处理、被试博弈决策的识别与传递和虚拟被试的决策模拟；不同计算机上的主控协调模块之间建立socket连接，实时地把本机被试决策传递给其他计算机，接收其他计算机传来的其他被试决策并转发给本机的其他模块；

所述决策识别模型训练模块和虚拟被试生成模块离线运行，分别按照实验操作者的要求生成决策识别模型和虚拟被试模型，生成的模型在实验开始前由主控协调模块装载到系统中。

进一步地，所述博弈交互模块按照实验规范向被试展示决策选项，每个选项以5-30hz范围内的一个频率闪烁，不同的选项闪烁的频率不同，被试通过注视想要的决策选项来表达自己的决策，博弈交互模块实时地把交互标记传递给其他模块；

所述博弈交互模块实时地接收本机信号处理模块识别出的被试决策和主控协调模块传递过来的其他被试或虚拟被试的决策，按照实验规范向本机被试展示决策结果。

进一步地，所述脑电信号采集模块与脑电采集设备连接，实时接收脑电信号，实时保存脑电信号和交互标记至数据文件，并将脑电信号传递给信号处理模块。

进一步地，所述信号处理模块按照主控协调模块设置的方案运用主控协调模块装载的模型截取脑电信号，提取脑电信号特征，从脑电信号中识别出被试的决策，并将识别结果实时地传递给其他模块；

其中，所述信号处理模块提取脑电信号特征的方法是，针对指定导联计算闪烁刺激对应时段内脑电信号在5-30hz范围内指定频点上的能量，将各导联在各频点上的能量拼接为特征向量；

其中，所述信号处理模块识别被试决策的方法是，调用主控协调模块装载的决策识别模型，代入特征向量计算出结果。

进一步地，所述主控协调模块为实验操作者提供设置博弈决策实验规范的功能、设置脑电信号截取方案的功能、设置脑电信号特征提取方案的功能、以及装载决策识别模型的功能，实验操作者在实验前通过上述功能进行实验准备；

所述主控协调模块具有启动博弈交互模块、脑电信号采集模块和信号处理模块的功能，实验操作者通过这一功能开启一轮实验；开展一个被试与虚拟被试之间的博弈决策实验时，主控协调模块启动本机的博弈交互模块、脑电信号采集模块和信号处理模块；开展多个被试之间的博弈决策实验时，任选一台计算机上的主控协调模块作为协调者，其他计算机上的主控协调模块作为参与者，协调者在启动本机上博弈交互模块、脑电信号采集模块和信号处理模块的同时向参与者发送启动实验的命令，参与者接收到协调者的启动命令后立即启动所在计算机上的博弈交互模块、脑电信号采集模块和信号处理模块；

所述主控协调模块实时地将本机识别出的被试决策传递给其他计算机上的主控协调模块，同时接收其他计算机上主控协调模块的传来被试决策，并把其他被试的决策传递给本机的其他模块。

进一步地，所述决策识别模型训练模块把指定的数据文件转化为训练数据集并在训练数据集上通过机器学习的方法训练得到决策识别模型；

其中，所述决策识别模型训练模块把指定的数据文件转化为训练数据集的方法包括以下步骤：

第一步，对数据文件进行共空间参考和带通过滤处理；

第二步，按照刺激时段和指定的导联把数据文件截取为数据段；

第三步，计算数据段在5-30hz范围内指定频点上的能量，并把各导联在这些频点上的能量拼接成特征向量；

第四步，依据决策标识把特征向量集合分为正例集和负例集；

其中，所述决策识别模型训练模块用到的机器学习方法包括lda、swlda、bp、svm、extremelearning或deeplearning；

所述决策识别模型训练模块得到的决策识别模型以文件的形式保存，实验前由实验操作者通过主控协调模块装载到系统中。

进一步地，所述虚拟被试生成模块根据实验操作者的要求自动生成虚拟被试决策序列；其中，实验操作者的要求包括实验试次数量、决策随机性和不同决策之间的比例；生成的虚拟被试决策序列保存至文件中，实验前由实验操作者在主控协调模块装载所需的序列。

与现有技术相比，本发明有以下有益效果：本发明支持通过脑机接口方式开展心理学信任博弈实验，通过计算机间的通信和进程间的通信与协调实时处理被试博弈决策的交互、脑电信号的采集、脑电信号与交互标记的存储、脑电信号的在线处理、被试博弈决策的识别与传递和虚拟被试的决策模拟。本发明能够运用在信任博弈任务等心理学、认知学的相关实验中，可方便相关实验的操作，提高相关实验的自动化程度，并能够支持相关研究的新型实验范式。

附图说明

图1为本发明实施例的系统原理示意图。

具体实施方式

下面结合附图及实施例对本发明做进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

如图1所示，本实施例提供了一种基于脑机接口的信任博弈实验系统，包括博弈交互模块、脑电信号采集模块、信号处理模块、主控协调模块、决策识别模型训练模块、以及虚拟被试生成模块；

所述博弈交互模块、脑电信号采集模块，信号处理模块和主控协调模块这四个模块在运行时均为独立的进程；当开展一个被试与虚拟被试之间的博弈决策实验时在一台计算机上运行这四个模块；当开展多个被试的博弈决策实验时，每台负责一个被试的计算机上都运行这四个模块；在一台计算机内部，这四个模块通过进程间的协调与通信实时处理被试博弈决策的交互、脑电信号的采集、脑电信号与交互标记的存储、脑电信号的在线处理、被试博弈决策的识别与传递和虚拟被试的决策模拟；不同计算机上的主控协调模块之间建立socket连接，实时地把本机被试决策传递给其他计算机，接收其他计算机传来的其他被试决策并转发给本机的其他模块；

所述决策识别模型训练模块和虚拟被试生成模块离线运行，分别按照实验操作者的要求生成决策识别模型和虚拟被试模型，生成的模型在实验开始前由主控协调模块装载到系统中。

在本实施例中，所述博弈交互模块按照实验规范向被试展示决策选项，每个选项以5-30hz范围内的一个频率闪烁，不同的选项闪烁的频率不同，被试通过注视想要的决策选项来表达自己的决策，博弈交互模块实时地把交互标记传递给其他模块；

所述博弈交互模块实时地接收本机信号处理模块识别出的被试决策和主控协调模块传递过来的其他被试或虚拟被试的决策，按照实验规范向本机被试展示决策结果。

在本实施例中，所述脑电信号采集模块与脑电采集设备连接，实时接收脑电信号，实时保存脑电信号和交互标记至数据文件，并将脑电信号传递给信号处理模块。

在本实施例中，所述信号处理模块按照主控协调模块设置的方案运用主控协调模块装载的模型截取脑电信号，提取脑电信号特征，从脑电信号中识别出被试的决策，并将识别结果实时地传递给其他模块；

其中，所述信号处理模块提取脑电信号特征的方法是，针对指定导联计算闪烁刺激对应时段内脑电信号在5-30hz范围内指定频点上的能量，将各导联在各频点上的能量拼接为特征向量；

其中，所述信号处理模块识别被试决策的方法是，调用主控协调模块装载的决策识别模型，代入特征向量计算出结果。

在本实施例中，所述主控协调模块为实验操作者提供设置博弈决策实验规范的功能、设置脑电信号截取方案的功能、设置脑电信号特征提取方案的功能、以及装载决策识别模型的功能，实验操作者在实验前通过上述功能进行实验准备；

所述主控协调模块具有启动博弈交互模块、脑电信号采集模块和信号处理模块的功能，实验操作者通过这一功能开启一轮实验；开展一个被试与虚拟被试之间的博弈决策实验时，主控协调模块启动本机的博弈交互模块、脑电信号采集模块和信号处理模块；开展多个被试之间的博弈决策实验时，任选一台计算机上的主控协调模块作为协调者，其他计算机上的主控协调模块作为参与者，协调者在启动本机上博弈交互模块、脑电信号采集模块和信号处理模块的同时向参与者发送启动实验的命令，参与者接收到协调者的启动命令后立即启动所在计算机上的博弈交互模块、脑电信号采集模块和信号处理模块；

所述主控协调模块实时地将本机识别出的被试决策传递给其他计算机上的主控协调模块，同时接收其他计算机上主控协调模块的传来被试决策，并把其他被试的决策传递给本机的其他模块。

在本实施例中，所述决策识别模型训练模块把指定的数据文件转化为训练数据集并在训练数据集上通过机器学习的方法训练得到决策识别模型；

其中，所述决策识别模型训练模块把指定的数据文件转化为训练数据集的方法包括以下步骤：

第一步，对数据文件进行共空间参考和带通过滤处理；

第二步，按照刺激时段和指定的导联把数据文件截取为数据段；

第三步，计算数据段在5-30hz范围内指定频点上的能量，并把各导联在这些频点上的能量拼接成特征向量；

第四步，依据决策标识把特征向量集合分为正例集和负例集；

其中，所述决策识别模型训练模块用到的机器学习方法包括lda、swlda、bp、svm、extremelearning或deeplearning；

所述决策识别模型训练模块得到的决策识别模型以文件的形式保存，实验前由实验操作者通过主控协调模块装载到系统中。

在本实施例中，所述虚拟被试生成模块根据实验操作者的要求自动生成虚拟被试决策序列；其中，实验操作者的要求包括实验试次数量、决策随机性和不同决策之间的比例；生成的虚拟被试决策序列保存至文件中，实验前由实验操作者在主控协调模块装载所需的序列。

以上所述仅为本发明的较佳实施例，凡依本发明申请专利范围所做的均等变化与修饰，皆应属本发明的涵盖范围。