[发明专利]一种基于脑机接口的自动呼叫器及其训练方法

权利要求书

1.一种基于脑机接口的自动呼叫器的训练方法，其特征在于，自动呼叫器包括无线耳机与呼叫器，所述呼叫器内部有微处理器，所述微处理器分别与蓝牙接收装置、预处理模块、特征提取模块、特征分类模块、4G网络模块、电源模块和存储模块相连，表面有显示屏与按钮按键，在显示屏上可以按照相应的提示完成对应的操作，按钮按键与内部微处理器相连；所述蓝牙接收装置用于接收无线耳机发送来的脑电信号；所述预处理模块用于对接收到的脑电信号进行去噪以及信号放大；所述特征提取模块用于对接收到的脑电信号的最大峰值、最小峰值和脑电信号大幅波动时间进行分析提取；所述电源模块用于给呼叫器正常运转提供电能；所述特征分类模块用于利用RBF算法进行决策用户需要呼叫的对象；所述存储模块用于存储用户设定的信息；所述4G网络模块用于与用户所呼叫对象的通信；

所述无线耳机用于采集用户的脑电信息，通过蓝牙发送到呼叫器，以提供给呼叫器内部的微处理器进一步处理；所述微处理器用于解析接收到的脑电信号并且将它发送到所呼叫对象的通信设备上；

上述自动呼叫器的训练方法包括如下步骤：

步骤1：确定被测试者的性格特征值并且在呼叫器的显示屏上进行设定，并且设性格特征值为x₄；

步骤2：戴上无线耳机并开启开关；

步骤3：利用无线耳机将测试者在某种特定环境下的脑电信号传输至呼叫器，呼叫器的特征提取模块将在此环境下测试者的脑电信号特征值提取，即脑电信号的最大峰值、最小峰值、脑电信号大幅波动时间值，同时关闭无线耳机开关，并且设最大峰值、最小峰值、脑电信号大幅波动时间值为x₁、x₂、x₃；

步骤4：确定在此特定环境下所对应的事件特征值，设事件特征值为y_d；

步骤5：呼叫器所呼叫事件的特征值作为特征分类模块的理想输出数据，最大峰值、最小峰值、脑电信号大幅波动时间、用户性格特征值为输入数据，利用这些数据对特征模块的rbf神经网络进行训练；

步骤6：从步骤1重新开始更换不同的测试者对特征分类模块的rbf神经网络训练。

2.根据权利要求1所述的基于脑机接口的自动呼叫器的训练方法，其特征在于：所述性格特征值的设定和事件特征值的设定是通过呼叫器显示屏的提示来完成的，所述事件的特征值设定仅供技术人员训练呼叫器使用，普通用户不能使用。

3.根据权利要求1所述的基于脑机接口的自动呼叫器的训练方法，其特征在于：所述特定环境分为三类：一般情况、紧急情况和超紧急情况，并且一般情况取事件特征值为1，紧急情况取事件特征值为2，超紧急情况取事件特征值为3，事件特征值表可以提前被存储在存储单元，在这里一般情况的定义为日常生活中遇到的需要求助的琐碎小事；紧急情况定义为财产或利益受到损害的情况；超紧急情况定义为生命安全受到威胁的情况。

4.根据权利要求1所述的基于脑机接口的自动呼叫器的训练方法，其特征在于：所述性格特征值包括0、1、2，0是表示比较内向的性格，1表示既不内向也不外向的性格，2表示外向的性格，性格特征值需要用户根据日常中的自我认识以及身边的人来进行评定。

5.根据权利要求1所述的基于脑机接口的自动呼叫器的训练方法，其特征在于：所述特征分类模块的rbf神经网络进行训练具体步骤为：此训练算法有四个输入、一层隐含层和一个输出，隐含层用高斯函数做径向基函数，第一层隐含层输出的计算公式为：

其中i∈[1，10]，表示第一层隐含层的10个神经元，X_c表示高斯函数的中心值，它是一个与X同维数列向量，σ_i为高斯函数的宽度，X为输入向量组，

由此得到该网络的输出为：

其中σ_i、X_c和ω_i1先随机给定，计算出第一组输入数据的实际输出y₁，然后根据梯度下降算法进行更新σ_i、X_c、ω_i1，继续进行第二组，直到所有的输入输出数据对rbf神经网络的训练完成，得到最终的σ_i、X_c、ω_i1即可。