基于小波包变换的眼电信号特征提取及分类.pdfVIP

第 34卷第 6期 杭 州 电子科 技 大学 学 报 Vo1．34．No．6 2014年 11月 Journal of Hangzhou Dianzi University N0v．2014 基于小波包变换的眼电信号特征提取及分类 周婷婷 ，罗志增 (杭州电子科技大学智能控制与机器人研究所，浙江杭州310018) 摘要：眼电信号是人机交互系统中的一种重要的信息源，该文提出了一种眼电信号特征提取与分 类算法。首先研究小波包变换 ，提出以小波包分解系数作为眼电信号特征，通过支持向量机进行 分类识别。在实验室环境下，采用该方法对6名眼部功能正常测试者的样本数据进行分类，平均 识别率达到96．83％，具有很高的实用价值。 关键词：眼电信号；小波包变换；支持向量机 中图分类号：TP391 文献标识码：A 文章编号：1001—9146(2014)06—0071—05 0 引 言 眼睛是心灵之窗，眼电信号一种由眼睛的角膜与视网膜之间的电势差引起的生物电信号…。在人 机交互 (HumanComputerInteraction，HCI)系统中，有很多关于眼电信号的应用研究，如利用眼电信号 进行电动轮椅的控制L2]、基于眼电信号的字符输入系统的研究 】、利用眼动轨迹包含的参数来预测顾 客是否喜欢某些商品_4等。眼球运动的探测有多种方法，其中眼电图(Electrooculogram，EOG)技术是一 种操作实施简单、可行性好的方法，同时相对于其它生物电信号，眼电信号具有信号强、便于检测及处理 比较等优点，所以针对眼电进行的相关研究对人机交互应用系统开发具有重要意义，其处理后的高识别 率则是 HCI实用化的关键。文献[5]提取眼电信号的一阶差分线性预测系数与归一化极值作为组合特 征，对上、下、左、右4类眼动模式的眼电信号进行分类，平均识别率为92．02％。如果能够进一步提升 识别率并拓展可识别的眼动模式类别，将大大提升其实际应用的可能性。基于此，本文提出一种基于小 波包变换的特征提取方法，通过眼电信号的4层小波包分解，以第4层分解系数作为特征向量，进而使 用支持向量机完成9类眼动模式的分类，平均识别率超过96％。 1 实验方法及预处理 1．1 实验方案与数据采集 本实验的受试者为实验室的6名研究生，其中男性和女性各3名，年龄均在25岁或26岁。信号采 集记录设备选用美国NeuroScan40导脑电记录仪，如图1(a)所示。采用双极导联方式进行数据采集， 选用图1(b)所示的A1、A2、GND、HEOL、HEOR、VEOU、VEOL等 7个位置的电极作为信号采集点，分别 对应接到记录仪的A1、A2、GND、X3、X4、X1、X2。其中HEOL、HEOR用于得到水平通道眼电信号， VEOL、VEOU用于得出垂直眼电信号，乳突A1、A2作为参考电极，最后一个电极为参考电极 GND，放置 在实验者前额，采集的频率设置为250Hz。 本实验中利用眼球运动的8个方向分别定义向左扫视、向右扫视、向上扫视、向下扫视、左上扫视、左 收稿 日期：2014—04—02 基金项目：国家自然科学基金资助项 目，浙江省国际科技合作资助项 目(2013C24016) 作者简介：周婷婷(1989一)，女，江苏淮安人，在读研究生，信息融合与信息处理． 72 杭 州 电子 科 技 大 学 学报 2014焦 下扫视、右上扫视、右下扫视8个扫视动作和连续两次眨眼动作等9类眼动模式。如图2所示，向左扫视动 作规定为视线由中心点位置O向左迅速移动到水平左方向的预置点左，然后再立刻由预置点左向右迅速 移动返回到中心点位置O的完整移动过程定义为左扫视动作，其它扫视动作类似定义。实验中，每个动作 采集过程为2s，根据采集的数据分析可知，扫视过程时间约为0．8s，约 1．2s内完成连续两次眨眼动作。 左上 上 右上