[发明专利]一种基于脑电信号的眼动信号识别方法

说明书

发明公开了一种基于脑电信号的眼动信号识别方法，包括如下步骤：步骤1)脑电信号获取以及数据预处理：眼动时，获取脑电信号，对脑电信号预处理；步骤2)对步骤1)的处理结果使用改进SK算法进行判断无关最优向量，选择出少量的支持向量，并在算法中引入核技巧，将向量映射到高维空间，达到可分类的目的：步骤3)使用MDM算法对步骤2)获取的支持向量求解最优超平面；本发明利用脑电信号进行眼动方式识别分类非常可靠，此外，使用的SK算法以及MDM算法(SVM)可以在固定经验风险的情况下通过最大边缘化，来实现结构风险最小化，可以让分类器具有令人满意的学习精度和更强的推广能力。

技术领域

本发明涉及一种基于脑电信号的眼动信号识别方法，涉及脑电信号特征识别领域。

背景技术

脑电信号是明显的非平稳性信号，从19世纪20年代检测到脑电信号以来，虽然已作了大量的工作，但长期以来还没有突破性的进展。随着信号处理方法的不断发展，更多更有效的分析方法在脑电信号分析中不断得到应用。

李远清等人于2008年首次将半监督学习算法引入脑电(EEG)信号识别中，用于识别右手/脚两类运动想象任务(数据集Iva)。

龙锦益等人于2010年提出了一种结合特征提取的自训练学习算法。

朱向阳等人于2014年提出了一种结合特征提取的协同训练半监督分类算法。

随着人们对于脑电活动机理信号的研究分析，人们会对大脑将有进一步的认识，也必将为临床医学和基础医学的发展作出新的贡献。

但目前并没有特别好的可以使用眼动信号来识别脑电信号的方法，自1932年，Dietch首先用傅立叶变换进行了脑电信号分析之后，在脑电分析中相继引入了时域分析、频域分析等脑电图分析的经典方法。传统的人工时域分析法是医学专家依靠临床经验通过肉眼观察来完成对脑电波的分析与评价，这种方法的直观性很强，但效率低，且在阅读和判断过程中容易造成误判，使得脑电波的特征提取只停留在主观水平。

随着计算机的快速发展，脑电自动分析系统相继开发，利用计算机辅助脑电信号的分析得到了很大的发展。现代的时域分析一般通过过零截点分析、直方图分析、方差分析、相关分析、峰值检测及波形参数分析、波形识别等手段来直接提取脑电波的波形特征。

由于脑电信号是一种时变的、非平稳的信号，在不同时间，不同的状态下有着不同的频率成分，目前并没有非常好的方法可以准确表征信号，瞬态提取脑电信号波形特征，而且由于个体之间的差异，使得这方面还需要很多的研究工作。

发明内容

本发明的目的在于提供一种基于脑电信号的眼动信号识别方法，采用改进SK算法判断无关最优向量及MDM算法求解最优超平面，从而使利用脑电信号进行眼动方式识别分类更为可靠。

为实现上述目的，本发明提供如下技术方案：一种基于脑电信号的眼动信号识别方法，包括如下步骤：

步骤1)脑电信号获取以及数据预处理：

眼动时，获取脑电信号，对脑电信号预处理；

步骤2)对步骤1)的处理结果使用改进SK算法进行判断无关最优向量，选择出少量的支持向量，并在算法中引入核技巧，将向量映射到高维空

间，达到可分类的目的：

改进SK算法包括以下步骤：

1)构造D₁＝{x₁,x₂,...,x_m}，D₂＝{z₁,z₂,...,z_n}两个数据集，然后再重新构造两个数据集；

2)初始化，任意取设置停止精度ε；