[发明专利]一种通过处理脑电波识别眨眼力度的算法

说明书

技术领域

本发明涉及一种通过处理脑电波识别眨眼力度的算法。

背景技术

通过观察脑电波的原始幅值图像，我们发现，对于任何人，当他的身体静止不动时，眨眼动作都会引发前额脑电波的波动，且波动大小和眨眼力度成正比。但是由于每个人的脑电波图像都有细微差别，如果通过设定阀值来处理脑电波，这将会导致设计出来的产品缺乏普适性。但是如果直接求均值与方差，将会导致巨大的计算量以及计算空间。

现有技术中，使用NeuroSky公司的TGAM模块能够测到原始的脑电波数据和眨眼力度，但是该TGAM模块识别眨眼力度的反应速度很慢，而且无法识别连续的快速地眨眼。

发明内容

本发明是为避免上述已有技术中存在的不足之处，提供一种运算量小且能识别快速连续眨眼通过处理脑电波识别眨眼力度的算法，以能够识别快速连续眨眼及眨眼力度。

本发明为解决技术问题采用以下技术方案。

一种通过处理脑电波识别眨眼力度的算法，其包括如下步骤：

步骤1：以耳垂作为参考接地，测量脑门的电压，观察脑电波的波形图；

步骤2：设定一个正向阀值值和一个负向阀值；把脑电波的幅值高于正向阀值称为事件A，把脑电波的幅值低于负向阀值称为事件B；

步骤3：在脑电波的波形图的每一工作周期内，先测量脑电波幅值x；

步骤4：通过公式（1）进行迭代，求出脑电波幅值x的均值的近似值Yn

迭代公式（1）为：Y_n=（1-k）Y_n-1+kx_n          （1）

公式（1）中，x_n为第n时刻测到脑电波的幅值；Y_n为第n次迭代时，幅值x的均值的近似值；k为常数，n为自然数；（如果k越小，Y_n就越接近真正的x均值的近似值，但是自适应的速度就越慢。通常k取0.005。）

步骤5：通过公式（2）进行迭代，求出脑电波幅值x的均方值Z_n的近似值；

迭代公式（2）为：Z_n=（1-k）Z_n-1+kx_n²         （2）

公式（2）中，x_n为第n时刻测到脑电波的幅值；Z_n为第n次迭代时，幅值x的均方值的近似值；k为常数，n为自然数；（如果k越小，Z_n就越接近真正的x均方值的近似值，但是自适应的速度就越慢。通常k取0.005。）

步骤6：通过公式（3）求取x的近似值的方差Var（x）；

Var（x）=E(x²)-[E(x)]²          （3）；

公式（3），x为脑电波的幅值，E(x)为脑电波幅值的均值，E(x²)脑电波幅值的均方值，Var（x）为脑电波幅值的方差；

步骤7：通过公式（4），对x进行标准化；

s=x-E(x)Var(x)---(4)]]>

公式（4），x为脑电波的幅值，E(x)为脑电波幅值的均值，Var（x）为脑电波幅值的方差；S为x标准化后的值。

本发明的一种通过处理脑电波识别眨眼力度的算法的特点也在于：

所述步骤7中，采用公式（5），对x进行标准化；