[发明专利]一种设备控制的方法、系统、控制设备及可读存储介质有效

专利信息
申请号: 202010202012.8 申请日: 2020-03-20
公开(公告)号: CN111338483B 公开(公告)日: 2021-06-08
发明(设计)人: 谢小峰;邹孝坤;唐荣年;胡文锋;李创;李子波 申请(专利权)人: 海南大学
主分类号: G06F3/01 分类号: G06F3/01
代理公司: 北京集佳知识产权代理有限公司 11227 代理人: 王晓坤
地址: 570228 海南*** 国省代码: 海南;46
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 设备 控制 方法 系统 可读 存储 介质
【权利要求书】:

1.一种设备控制的方法,其特征在于,包括:

获取原始脑电信号,并利用预设节律的带通滤波器对所述原始脑电信号进行滤波处理,得到所述预设节律的滤波信号;

对所述预设节律的滤波信号进行空间滤波,得到频带信号;

对所述频带信号进行黎曼切空间映射构建特征空间,并利用互信息熵对所述特征空间进行特征挑选,得到最优特征空间;

接收脑电控制信号,并根据所述最优特征空间确定所述脑电控制信号的类别,根据所述脑电控制信号的类别控制待控设备执行对应的动作;

其中,对所述频带信号进行黎曼切空间映射构建特征空间,并利用互信息熵对所述特征空间进行特征挑选,得到最优特征空间,包括:

分别对μ节律频带信号、β节律频带信号及全波段频带信号进行协方差运算,并进行黎曼切空间映射构建对应的μ节律子特征空间、β节律子特征空间及全波段子特征空间;

将所述μ节律子特征空间、所述β节律子特征空间及所述全波段子特征空间合并成所述特征空间,并利用互信息熵对所述特征空间进行特征挑选,得到所述最优特征空间。

2.根据权利要求1所述的方法,其特征在于,利用预设节律的带通滤波器对所述原始脑电信号进行滤波处理,得到所述预设节律的滤波信号,包括:

分别利用μ节律、β节律以及全波段的带通滤波器对所述原始脑电信号进行滤波处理,对应得到μ节律滤波信号、β节律滤波信号及全波段滤波信号。

3.根据权利要求2所述的方法,其特征在于,对所述预设节律的滤波信号进行空间滤波,得到频带信号,包括:

利用共空间模式法分别对所述μ节律滤波信号、所述β节律滤波信号及所述全波段滤波信号进行空间滤波,对应得到μ节律频带信号、β节律频带信号及全波段频带信号。

4.根据权利要求1所述的方法,其特征在于,根据所述最优特征空间确定所述脑电控制信号的类别,包括:

利用支持向量机分类器根据所述最优特征空间确定所述脑电控制信号的类别。

5.根据权利要求1所述的方法,其特征在于,根据所述最优特征空间确定所述脑电控制信号的类别,包括:

利用线性判别分析算法根据所述最优特征空间确定所述脑电控制信号的类别。

6.一种设备控制的系统,其特征在于,包括:

带通滤波模块,用于获取原始脑电信号,并利用预设节律的带通滤波器对所述原始脑电信号进行滤波处理,得到所述预设节律的滤波信号;

空间滤波模块,用于对所述预设节律的滤波信号进行空间滤波,得到频带信号;

特征空间构建模块,用于对所述频带信号进行黎曼切空间映射构建特征空间,并利用互信息熵对所述特征空间进行特征挑选;

控制模块,用于接收脑电控制信号,并根据最优特征空间确定所述脑电控制信号的类别,根据所述脑电控制信号的类别控制待控设备执行对应的动作;

其中,所述特征空间构建模块包括:

构建子模块,用于分别对μ节律频带信号、β节律频带信号及全波段频带信号进行协方差运算,并进行黎曼切空间映射构建对应的μ节律子特征空间、β节律子特征空间及全波段子特征空间;

合并子模块,用于将所述μ节律子特征空间、所述β节律子特征空间及所述全波段子特征空间合并成所述特征空间,并利用互信息熵对所述特征空间进行特征挑选,得到所述最优特征空间。

7.根据权利要求6所述的系统,其特征在于,所述带通滤波模块包括:

带通滤波子模块,用于分别利用μ节律、β节律以及全波段的带通滤波器对所述原始脑电信号进行滤波处理,对应得到μ节律滤波信号、β节律滤波信号及全波段滤波信号。

8.一种控制设备,其特征在于,包括:

存储器,用于存储计算机程序;

处理器,用于执行所述计算机程序时实现如权利要求1至5任一项所述设备控制的方法的步骤。

9.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述设备控制的方法的步骤。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于海南大学,未经海南大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010202012.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top