[发明专利]一种鲁棒扫视EOG信号识别方法及系统

说明书

本发明公开了一种鲁棒扫视EOG信号识别方法及系统,属于眼电技术领域，方法包括对EOG多通道眼动数据进行采集，获得时域上的眼动数据；对时域上的眼动数据进行预处理得到频域上的眼动数据；在频域上采用复值ICA算法对眼动数据进行盲源分离，得到各源信号在相应频点上的频域独立分量；对各频点独立分量进行补偿，还原独立分量在观测分量中的真实比例，通过约束DOA算法解决排序模糊问题；对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，恢复为时域的多通道眼动数据；对时域上的多通道眼动数据进行提取功率谱密度特征，并将提取的特征送入支持向量机SVM中进行识别。本发明能准确对EOG信号进行识别。

技术领域

本发明涉及眼电(Electrooculography,EOG)技术领域，特别涉及一种基于多通道盲解卷积的鲁棒扫视EOG信号识别方法及系统。

背景技术

基于生物电的人-机交互(Human-Computer Interaction，HCI)作为常规人机交互方法的一种补充，在一些特殊的应用场景下，比如：残疾群体与外界环境的交互，临床病人的监护，特殊环境下的通信，驾驶员的疲劳检测等方面都具有较强的实际应用价值。由于EOG能反映不同行为状态下的眼球运动模式，因此，基于EOG的人机交互技术已经成为一个新的研究热点。

眼球是一个双极性球体，角膜在眼球系统中呈现正电位，视网膜呈现负电位，所谓的眼球信号是由于眼球转动时角膜和视网膜之间产生的电势差而引起的。该电势由于视网膜上皮和光感受器细胞发起，其正极位于光感受器端，负极位于视网膜色素上皮端，所产生的电流从视网膜端流向角膜端，从而形成一个幅值约为0.4mV～10mV、角膜为正极，视网膜为负极的电势，我们称这种电势为眼电信号，当人的眼球运动时，眼电信号的幅值会随着眼球的运动而不断发生变化，将这种变化的电势绘制到时间轴上则可以构成一条曲线，这条曲线称之为EOG。

EOG信号的眼动类型主要分为三类：扫视、凝视和眨眼，在实现基于EOG的人体行为识别系统中，扫视运动有着至关重要的作用，它具有较高的使用频率，并且包含这大量的行为信息。但是在EOG信号的采集过程中，不可避免的会受到包括基线漂移、肌电EMG、心电ECG、脑电EEG及电机位置的轻微移动等噪声干扰，为了完成扫视EOG信号的鲁棒识别并且提高基于EOG的人体行为识别系统的性能，带通滤波方法曾被用来消躁和去除眨眼信号，但是由于扫视EOG信号与眨眼信号在频段上产生了重叠，所以在滤除眨眼信号的同时，也会让扫视EOG信号的一部分信息丢失，因此，识别效果不理想，难以进行实用。

发明内容

本发明的目的在于提供一种鲁棒扫视EOG信号识别方法及系统，以提高EOG信号识别的准确率。

为实现以上目的，本发明第一方面，提供一种鲁棒扫视EOG信号识别方法，包括如下步骤：

S1、对多通道EOG数据进行采集，获得时域上的眼动数据；

S2、对时域上的眼动数据进行预处理得到频域上的眼动数据；

S3、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；

S4、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；

S5、采用约束DOA算法对补偿后的独立分量进行处理，使得每个频点f上的独立源都按照方向角从小到大排列；

S6、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，得到时域上每个通道独立源完整的时间信号；

S7、对时域上的每个通道独立源完整的时间信号提取功率谱密度特征，并将提取的特征送入支持向量机SVM中进行识别，得到EOG信号识别结果。

其中，步骤S2，还包括：