一种基于脑电信号的对象选择方法及装置

1.一种基于脑电信号的对象选择方法，其特征在于，所述方法包括：
利用脑电波采集设备采集脑电信号后，对所述脑电信号进行去噪处理，以提取所述脑电信号中的诱发脑电信号；
提取所述诱发脑电信号中，与预先确定的脑电信号特征对应的静态特征，所述脑电信号特征用于描述对象选择激发的脑电信号；
利用预先建立的动态模型，将所述静态特征采用动态特征表示，得到所述诱发脑电信号的动态特征；
将所述动态特征输入到预先训练的对象选择分类器中，以便进行对象选择。
2.根据权利要求1所述的方法，其特征在于，所述动态模型包括隐马尔科夫模型。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
预先进行N次对象选择的试验，确定用于描述对象选择激发的脑电信号的特征，所述N为自然数。
4.根据权利要求1所述的方法，其特征在于，所述对象选择分类器包括非线性分类器。
5.根据权利要求4所述的方法，其特征在于，所述非线性分类器包括利用高斯过程模型建立的分类器。
6.一种基于脑电信号的对象选择装置，其特征在于，所述装置包括：
第一提取模块，用于利用脑电波采集设备采集脑电信号后，对所述脑电信号进行去噪处理，以提取所述脑电信号中的诱发脑电信号；
第二提取模块，用于提取所述诱发脑电信号中，与预先确定的脑电信号特征对应的静态特征，所述脑电信号特征用于描述对象选择激发的脑电信号；
动态表示模块，用于利用预先建立的动态模型，将所述静态特征采用动态特征表示，得到所述诱发脑电信号的动态特征；
分类模块，用于将所述动态特征输入到预先训练的对象选择分类器中，以便进行对象选择。
7.根据权利要求6所述的装置，其特征在于，所述动态模型包括隐马尔科夫模型。
8.根据权利要求6所述的装置，其特征在于，所述装置还包括：
试验模块，用于预先进行N次对象选择的试验，确定用于描述对象选择激发的脑电信号的特征，所述N为自然数。
9.根据权利要求6所述的装置，其特征在于，所述对象选择分类器包括非线性分类器。
10.根据权利要求9所述的装置，其特征在于，所述非线性分类器包括利用高斯过程模型建立的分类器。

暂无