[发明专利]基于P300的BCIspeller中文输入系统

权利要求书

1.一种基于P300的BCI speller中文输入系统，其特征在于，包括以下步骤：

S1：硬件电路设计，硬件电路的主要作用是通过头部佩戴的一个脑电波电极，获得脑电波信号，由干电极生物传感器对脑电波信号进行信号处理后，再通过单片机对脑波波形进行数据分析和处理，然后将结果通过蓝牙或无线局域网传输到智能移动终端如智能手机，平板电脑等；

S2：算法设计和软件开发，由我们移动智能终端上的APP软件利用基于HDCA算法的ERP分析的改进算法，通过Fisher线性判别式(FLD)，并采用logistic回归计算时间系数翻译成使用者所想的字母，然后由我们设计的加入了深度学习理念的联想输入法翻译成具体的语句；

S3：硬件调试

首先通过硬件静态测试排除一些较明显的故障后，进行联机仿真测试，仿真器可以通过设定参数使自己模拟单片机应用系统的特性，显示器的仿真调试应该与单片机系统分开，在用静态调试先测试完LED显示器后，在控制数码管段和位显示的引脚上加以规定数值的电平，若数码管的显示与理论上数值、波形保持一致，则LED调试成功；

S4：软件调试

(a)针对不同的人对算法模型进行动态补偿，使算法更具有普适性；

(b)对数据库进行容量测试，具体方法为：⑴表的数据量＝据*记录数；⑵记录数据量＝各个字段所占节数的总和；⑶数据库的大小＝各表数据量的总和。而后再利用Datefactory等软件行数据库的性能测试和压力测试；

(c)为了评估我们的拼写器的性能，我们将计算被广泛应用的BCI拼写器的分类精度和ITR。在绩效评估阶段，我们将分别计算离线和在线环境下所有学科的精确度和信息传递率；

(d)在训练阶段，我们要求受试者关注特定人物并收集EEG数据以供离线分析和P300分类器训练。然后，我们要求受试者在复制模式下拼出一系列特定字符来计算在线准确度和ITR；

S5:软硬件联合调试

在软件的运行的同时，检测硬件各部件的输出信号的质量，提高信号的抗干扰能力和容错性，使系统能正常运行并实现预期的功能。

2.根据权利要求1所述的一种基于P300的BCI speller中文输入系统，其特征在于，硬件电路系统设计过程中S1步骤主要包括以下部分：

(1)脑电波采集模块：脑电图数据通过G.Tec系统采集，使用16个根据国际10-20系统分布的电极。使用200Hz低通滤波器和50Hz陷波滤波器以2500Hz采样EEG数据，在对图像评分之前，我们通过以上步骤预处理脑电图数据，下采样600Hz，带通滤波(0.1～60Hz)和基线校正零延迟滤波是使用MATLAB中filter函数实现的。然后EEG数据被分成几个时期。每个时期由刺激发作后1000毫秒内的EEG数据组成；

(2)传感器模块：采用了头戴式干电极传感器对脑电信号的采集，数字信号处理的集成电路芯片并对其滤波，放大及A/D转换和初步的数据处理，并通过蓝牙将数据传给单片机模块；

(3)单片机模块：拟采用低能耗单片机STM32，采用C++编写程序，使其能对原始数据进行处理，并通过蓝牙或无线局域网发送信号，完成与外围移动智能化终端如智能手机连接；

(4)无线发射模块：将数据利用射频技术，通过电磁波与移动智能终端连接，完成数据的传输。

3.根据权利要求1所述的一种基于P300的BCI speller中文输入系统，其特征在于，算法设计是拟使用最优加权平均叠加算法，增加P300脑电信号的信噪比，采用支持向量机方法进行脑电数据的分类，以少样本训练达到比较高的正确率。另拟在分析数据过程中将简单的深度学习神经网络算法融入上述模块中的数据过滤模块与数据分析模块，通过大量数据进行训练，充分利用神经网络算法模型的优越性，优化软件性能并提高字符识别的准确率。另外拟在完成英文字符到中文字符的转换的过程中使用基于深度学习的输入联想算法，使得字符输入过程更加快捷，整个系统运行更加高效。

4.根据权利要求1所述的一种基于P300的BCI speller中文输入系统，其特征在于，计算机软件开发主要遵循软件工程的开发思想，严格按照计划、分析、设计、编码、测试、维护六个基本过程来执行，程序模块大致分为程序界面模块、数据接收模块、数据过滤模块，数据分析模块、结果输出模块。