[发明专利]一种基于独立分量分析的扫视信号样本优化方法

说明书

技术领域

本发明涉及一种基于独立分量分析的扫视信号样本优化方法。

背景技术

人体行为识别(HumanActivityRecognition,HAR)是指对被观测个体的动作类型、行为模式等信息进行综合地分析与识别，并将识别结果通过自然语言等方式进行描述。由于HAR系统能够主动感知用户意图，因此在智能视频监控、医疗诊断、运动分析及人-机交互等领域具有广泛的应用前景，并且已经成为了人工智能与模式识别领域中一个新兴的研究热点。现阶段，人体行为信息的获取主要采用非接触式环境传感器与可穿戴式人体信息传感器两种方法。其中，基于可穿戴式生物电传感器能够有效弥补传统HAR系统的不足，正在逐步成为HAR系统实现领域的一个新的研究方向。而在人体生物电信号中，眼电图(Electrooculogram:EOG)相比较脑电、心电等其它生物电信号具有幅度大、易于检测、携带信息更为丰富等特点，因此，使用眼电信号进行HAR识别具有其它生物电信号所不具备的优势。

以办公室场景为例，基于眼电的人体行为识别系统(EOG-HAR)其基本工作过程可描述为：当系统检测出连续小幅度向右扫视动作与大幅度向左扫视动作的出现遵循着一定规律，系统则判断该受试者可能处于阅读状态；同理，当检测出水平扫视动作过程中包含了大量凝视信息(即扫视停顿)，则可判断该位受试者可能处于打字输入状态；当水平扫视幅度与垂直扫视信号幅度都较小，且出现频率较低时，则该位受试者可能处于休息状态。可以看出，在EOG-HAR系统实现过程中，扫视作为出现频率最高、包含人体行为信息最丰富的一种基本眼动类型，其识别的准确率成为HAR系统性能的主要决定因素，因此，单元扫视信号的准确检出是最为关键的一步，为实现这一目标，一些比较成功的扫视信号识别方法相继被提出。其中，Clement提出利用原始EOG信号的可视角度进行眼动信号的端点检测与识别；Aungsakun和Soltani等人利用眼球转动时所对应的EOG信号变化较快的特点提取扫视信号的特征参数；另外，Vidal和Bulling也都提到了使用扫视信号的统计和时域特征进行识别的思路。然而，在EOG-HAR系统设计过程中发现，当采集过程中受到一些噪声干扰(如：电极松动、信道瞬时畸变、采集设备的突发干扰等时，虽然这种干扰的持续时间较短，但信号幅度大、波形无规律且又不可避免，因此在实际使用过程中难以保证上述算法的识别正确率，这将会严重影响到EOG-HAR系统性能，甚至出现系统无法识别的情况。针对这一问题，噪声抑制是一种较为常见的解决办法，然而，由于噪声类型与出现时机具有较强的随机性，且不同去噪算法受到本身性能的限制，在实际应用过程中噪声抑制效果并不理想。所以，设计一种合理、有效的EOG信号噪声处理方法是EOG-HAR系统实用性提升过程中一个亟待解决的问题。

发明内容

本发明所要解决的技术问题是提供一种基于独立分量分析的扫视信号样本优化方法，具有更高的识别正确率、鲁棒性与扩展性更强、应用前景良好。

为了解决上述技术问题，本发明采用如下技术方案：

一种基于独立分量分析的扫视信号样本优化方法，包括如下步骤：

步骤1、数据准备：使用8个生物电极获取受试者上、下、左、右扫视时带有数据标签的6导联眼电信号；并将原始多导联眼电信号使用带通滤波器进行滤波，以去除噪声干扰；

步骤2、ICA空域滤波器组设计：使用单次实验数据y_i(i＝1,…,N)进行ICA分析，并根据独立成份在采集电极的映射模式，自动选择扫视相关独立分量和对应的ICA滤波器，建立对应不同扫视任务背景下的ICA空域滤波器组{D_li，D_ri，D_ui，D_di}(i＝1,…,N)；

步骤3、被干扰扫视信号的剔除：使用步骤(2)中所获取的ICA空域滤波器组{D_li，D_ri，D_ui，D_di}(i＝1,…,N)依次对预处理后的所有扫视数据进行空域滤波，并将滤波后的数据使用支持向量机进行10*5的交叉测试，当平均识别正确率低于预设门限时即认定该次实验数据被干扰，剔除；反之，保留。

作为上述方案的进一步优化,多导联扫视信号采集电极的安装位置为：