[发明专利]基于SSVEP的分类方法、系统、装置及可读存储介质

权利要求书

1.一种基于SSVEP的分类方法，其特征在于，所述分类方法包括：

向被测试者提供不同的刺激频率，每一刺激频率对应一分类；

实时采集被测试者的SSVEP信号，所述SSVEP信号为所述刺激频率产生；

按照预设规则计算时间节点，在采集的时间达到所述时间节点时，将截止到所述时间节点采集的所述SSVEP信号进行分析，获取所述被测试者响应不同的所述刺激频率的概率值，并筛选出所述概率值的最大值；

判断所述最大值是否达到预设的概率阈值；

若判断的结果为是，则输出所述最大的频率值及其对应的分类；

若判断的结果为否，则返回并继续执行所述实时采集被测试者的SSVEP信号的步骤及后续步骤。

2.根据权利要求1所述的分类方法，其特征在于，按照预设规则计算时间节点的步骤包括：

所述时间节点满足：N＊L，其中N是所述时间节点的次数，L为预设的时间长度；或者

所述时间节点满足：a＊N＊L+b，其中，a和b为常数，a＜1，b为正数。

3.根据权利要求1所述的分类方法，其特征在于，所述将截止到所述时间节点采集的所述SSVEP信号进行分析的步骤包括：

对需要分析的所述SSVEP信号进行预处理；

将经过预处理的SSVEP信号输入分类模型，通过所述分类模型获取所述被测试者响应不同的所述刺激频率的概率值，并输出所述概率值的最大值。

4.根据权利要求3所述的分类方法，其特征在于，所述对需要分析的所述SSVEP信号进行预处理的步骤包括：

采用FIR高通滤波器对采集到的所述SSVEP信号进行第一滤波处理；

采用陷波器对第一滤波处理后的SSVEP信号进行第二滤波处理；

采用带通滤波器对第二滤波处理后的SSVEP信号进行第三滤波处理；

通过小波分解法对第三滤波处理后的SSVEP信号进行剔除眼电伪迹处理。

5.根据权利要求3所述的分类方法，其特征在于，所述通过所述分类模型获取所述被测试者响应不同的所述刺激频率的概率值，并输出所述概率值的最大值的步骤包括：

对于单个时间节点采集到的SSVEP信号，通过所述分类模型分析获取所述被测试者响应不同的所述刺激频率的概率值，并输出所述概率值的最大值。

6.根据权利要求3所述的分类方法，其特征在于，所述通过所述分类模型获取所述被测试者响应不同的所述刺激频率的概率值，并输出所述概率值的最大值的步骤包括：

对于单个时间节点采集到的SSVEP信号，通过所述分类模型分析获取所述被测试者响应不同的所述刺激频率的概率值，并结合前一次获取的相同刺激频率的概率值得到同一刺激频率的当前概率值，输出各刺激频率当前概率值中的最大值。

7.根据权利要求3所述的分类方法，其特征在于，所述分类模型基于所述刺激频率的能量值、所述刺激频率的幅度值、方差值以及复杂度分析所述被测试者响应不同的刺激频率的概率值。

8.一种基于SSVEP的分类系统，其特征在于，所述分类系统包括：

输入模块，用于向被测试者提供不同的刺激频率，每一刺激频率对应一分类；

采集模块，用于实时采集被测试者的SSVEP信号，所述SSVEP信号为所述刺激频率产生；

分析模块，用于按照预设规则计算时间节点，在采集的时间达到所述时间节点时，将截止到所述时间节点采集的所述SSVEP信号进行分析，获取所述被测试者响应不同的所述刺激频率的概率值,并筛选出所述概率值的最大值；

判断模块，用于判断所述最大值是否达到预设的概率阈值；

输出模块，用于在所述判断模块判断的结果为是时，输出所述最大的频率值及其对应的分类；

控制模块，用于在所述判断模块判断的结果为否时，控制所述采集模块、所述分析模块、所述判断模块以及所述输出模块继续工作。