一種通過處理腦電波識別眨眼力度的算法
【專利摘要】本發(fā)明的一種通過處理腦電波識別眨眼力度的算法，在每一工作周期內(nèi)，先測量腦電波幅值x，通過迭代公式Y(jié)n=（1-k）Yn-1+kxn和Zn=（1-k）Zn-1+kxn2計算得到近似的均值Y和均方值Z，按照公式Var（x）=E(x2)-[E(x)]2計算方差Var（x），再按照公式或者公式計算標(biāo)準(zhǔn)化后x的幅值S。并將幅值S與設(shè)定的正向閥值值和負(fù)向閥值相比較，判斷事件A還是B。如果發(fā)生的為A事件，則認(rèn)為發(fā)生了眨眼動作，此時眨眼力度為A事件發(fā)生時的幅值。本發(fā)明的一種通過處理腦電波識別眨眼力度的算法，具有能夠識別快速連續(xù)眨眼及眨眼力度、計算量比較小、算法自適應(yīng)性好等優(yōu)點。
【專利說明】一種通過處理腦電波識別眨眼力度的算法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種通過處理腦電波識別眨眼力度的算法。
【背景技術(shù)】
[0002]通過觀察腦電波的原始幅值圖像，我們發(fā)現(xiàn)，對于任何人，當(dāng)他的身體靜止不動時，眨眼動作都會引發(fā)前額腦電波的波動，且波動大小和眨眼力度成正比。但是由于每個人的腦電波圖像都有細(xì)微差別，如果通過設(shè)定閥值來處理腦電波，這將會導(dǎo)致設(shè)計出來的產(chǎn)品缺乏普適性。但是如果直接求均值與方差，將會導(dǎo)致巨大的計算量以及計算空間。
[0003]現(xiàn)有技術(shù)中，使用NeuroSky公司的TGAM模塊能夠測到原始的腦電波數(shù)據(jù)和眨眼力度，但是該TGAM模塊識別眨眼力度的反應(yīng)速度很慢，而且無法識別連續(xù)的快速地眨眼。

【發(fā)明內(nèi)容】

[0004]本發(fā)明是為避免上述已有技術(shù)中存在的不足之處，提供一種運算量小且能識別快速連續(xù)眨眼通過處理腦電波識別眨眼力度的算法，以能夠識別快速連續(xù)眨眼及眨眼力度。
[0005]本發(fā)明為解決技術(shù)問題采用以下技術(shù)方案。
[0006]一種通過處理腦電波識別眨眼力度的算法，其包括如下步驟:
[0007]步驟1:以耳垂作為參考接地，測量腦門的電壓，觀察腦電波的波形圖；
[0008]步驟2:設(shè)定一個正·向閥值值和一個負(fù)向閥值；把腦電波的幅值高于正向閥值稱為事件A，把腦電波的幅值低于負(fù)向閥值稱為事件B ;
[0009]步驟3:在腦電波的波形圖的每一工作周期內(nèi)，先測量腦電波幅值χ ；
[0010]步驟4:通過公式(I)進(jìn)行迭代，求出腦電波幅值χ的均值的近似值Yn[0011 ]迭代公式(I)為:Yn= (1-k) Yn-^kxn(I)
[0012]公式(I)中，Xn為第η時刻測到腦電波的幅值；Υη為第η次迭代時，幅值χ的均值的近似值；k為常數(shù)，η為自然數(shù)；(如果k越小，Yn就越接近真正的χ均值的近似值，但是自適應(yīng)的速度就越慢。通常k取0.005。)
[0013]步驟5:通過公式(2)進(jìn)行迭代，求出腦電波幅值χ的均方值Zn的近似值；
[0014]迭代公式(2)為:Zn=(1-1OZn-^kxn2(2)
[0015]公式(2)中，Xn為第η時刻測到腦電波的幅值；Ζη為第η次迭代時，幅值χ的均方值的近似值；k為常數(shù)，η為自然數(shù)；(如果k越小，Zn就越接近真正的χ均方值的近似值，但是自適應(yīng)的速度就越慢。通常k取0.005。)
[0016]步驟6:通過公式(3)求取χ的近似值的方差Var (χ)；
[0017]Var (x) =E (x2) -[E (χ) ]2(3);
[0018]公式(3)，χ為腦電波的幅值，Ε(χ)為腦電波幅值的均值，E(χ2)腦電波幅值的均方值，Var (χ)為腦電波幅值的方差；
[0019]步驟7:通過公式(4)，對χ進(jìn)行標(biāo)準(zhǔn)化；
【權(quán)利要求】
1.一種通過處理腦電波識別眨眼力度的算法，其特征是，包括如下步驟: 步驟1:以耳垂作為參考接地，測量腦門的電壓，觀察腦電波的波形圖； 步驟2:設(shè)定一個正向閥值值和一個負(fù)向閥值；把腦電波的幅值高于正向閥值稱為事件A，把腦電波的幅值低于負(fù)向閥值稱為事件B ; 步驟3:在腦電波的波形圖的每一工作周期內(nèi)，先測量腦電波幅值X ； 步驟4:通過公式(I)進(jìn)行迭代，求出腦電波幅值X的均值的近似值Yn 迭代公式(I)為:Yn= (1-k) Yn-Jkxn (I) 公式(I)中，Xn為第η時刻測到腦電波的幅值；Υη為第η次迭代時，幅值X的均值的近似值；k為常數(shù)，η為自然數(shù)；(如果k越小，Yn就越接近真正的X均值的近似值，但是自適應(yīng)的速度就越慢。通常k取0.005。) 步驟5:通過公式(2)進(jìn)行迭代，求出腦電波幅值X的均方值Zn的近似值； 迭代公式(2)為:Zn= (1-k) Zn-Jkxn2(2) 公式(2)中，Xn為第η時刻測到腦電波的幅值；Ζη為第η次迭代時，幅值χ的均方值的近似值；k為常數(shù)，η為自然數(shù)。 步驟6:通過公式(3)求取χ的近似值的方差Var (χ)； Var (χ) =E (χ2)-[E (χ) ]2(3)； 公式(3)，χ為腦電 波的幅值，E(X)為腦電波幅值的均值，Ε(χ2)腦電波幅值的均方值，Var (χ)為腦電波幅值的方差； 步驟7:通過公式(4)，對χ進(jìn)行標(biāo)準(zhǔn)化；
2.根據(jù)權(quán)利要求1所述的一種通過處理腦電波識別眨眼力度的算法，其特征是，所述步驟7中，采用公式(5 )，對χ進(jìn)行標(biāo)準(zhǔn)化；
【文檔編號】A61B5/0476GK103584856SQ201310632391
【公開日】2014年2月19日 申請日期:2013年11月29日 優(yōu)先權(quán)日:2013年11月29日
【發(fā)明者】劉厚康, 陳法圣 申請人:國網(wǎng)安徽省電力公司淮南供電公司