[发明专利]一种基于卷积混合模型的慢速眼动识别方法及系统

摘要

本发明公开了一种基于卷积混合模型的慢速眼动识别方法及系统，属于眼电图技术领域，包括采用复值ICA算法对各频点的眼动数据进行盲源分离，得到各独立源信号在相应频点上的频域独立分量；对各频点上的独立分量进行尺度补偿，还原独立分量在观测分量中的真实比例成分；采用约束DOA算法对补偿后的独立分量进行排序调整；对尺度补偿后和排序后的各频点的独立分量进行短时傅里叶逆变换处理，得到时域上多通道独立源完整的时间信号；对多通道独立源完整的时间信号进行小波分解，将得到的分解结果与慢速眼动的评判标准进行对比与分析，与慢速眼动特征均相符的则识别为慢速眼动。本发明在时域中对多通道EOG信号进行小波分析，由于没有其他源信号的干扰能快速的从EOG信号中提取出慢速眼动。

主权项

一种基于卷积混合模型的慢速眼动识别方法，其特征在于，包括：S1、在频域上，采用复值ICA算法对各频点的眼动数据进行盲源分离，得到各独立源信号在相应频点上的频域独立分量；S2、对各频点上的独立分量进行尺度补偿，还原独立分量在观测分量中的真实比例成分；S3、采用约束DOA算法对补偿后的独立分量进行排序调整，使得每个频点上的独立源都按照方向角从小到大排列；S4、对尺度补偿后和排序后的各频点的独立分量进行短时傅里叶逆变换处理，得到时域上多通道独立源完整的时间信号；S5、对时域上多通道独立源进行小波分解，得到各级小波系数；S6、将各级小波系数与慢速眼动的评判标准进行对比与分析，与慢速眼动特征均相符的则识别为慢速眼动。