融合多维脑电特征的VR眩晕客观评估方法及评估系统

本发明涉及评估方法，尤其涉及一种融合多维脑电特征的vr眩晕客观评估方法及该评估方法的评估系统。

背景技术：

1、术语解释

2、vr眩晕：是指在虚拟现实(virtual reality，vr)体验过程中产生的一种不适感或晕眩感。

3、多维脑电特征：是指脑电多个方面的特征，包括时域特征、频域特征和空间域特征。

4、vr眩晕是vr技术发展过程中最普遍存在的问题，也是严重抑制vr快速发展的因素之一，而目前无法通过技术解决vr虚拟现实中的现实问题，那么确客观地评价vr眩晕就尤为重要。

5、vr眩晕又被称为vr晕动症，这种症状是由人们视觉器官看到的场景信息和前庭器官感受到的运动信息在大脑中发生冲突引起的。vr眩晕会给受试者带来头晕、恶心和眼睛模糊等不适症状，并产生以下两种不利影响：(1)降低了vr用户的沉浸感和交互性；

6、(2)影响到用户的健康；

7、目前，评价vr眩晕还依赖于定性问卷调查，即模拟疾病调查问卷。问卷调查的方式主要是描述一个人的当前状态，即在用户体验完vr后通过调查问卷描述出自己的当前眩晕的程度。但是，该方法主要存在以下问题：

8、(1)具有一定的滞后性，需要等到体验结束后才评估他们的症状；

9、(2)具有主观性，需要用户回忆他们的疾病易收到人的主观想法的影响；

10、基于以上问题，客观评价vr眩晕系统的出现和不断进步成为了必然趋势，它对提高vr的使用体验和推广应用具有重要意义。客观评价vr眩晕系统能够通过科学的方法，评估用户在vr环境下的生理指标，如脑电、心率、皮肤电反应等，来评估用户是否出现眩晕的症状。客观评价vr眩晕系统的发展还有助于推动vr产业的发展。在虚拟现实技术愈发成熟的背景下，用户对vr产品的质量和体验要求也越来越高，这就需要vr企业在产品开发、质量控制等方面注重客观评价和科学研究，不断提升产品的质量和用户体验，以满足用户的需求。

11、目前，对于vr眩晕的客观评价研究主要基于脑电这单一的生理指标，甚至只是某个特定方面的脑电特征，导致研究结果不一致，而且采用多个样本数据混合的模型准确率不高。如朱伥蓉(2020)通过小波包分解提取脑电的时频域特征客观评估vr眩晕的水平，其中对于单个受试者的评估准确率为94.27％，而多个受试者评估的准确率为79.25％，该方法只是提取了时频域单一脑电特征，并没有涉及多维特征。

技术实现思路

1、有鉴于此，为解决现有技术中vr眩晕依赖于定性问卷调查以及主要基于脑电这单一的生理指标，甚至只是某个特定方面的脑电特征，导致研究结果不一致，而且采用多个样本数据混合的模型准确率不高的技术问题，一方面，本发明提供了一种融合多维脑电特征的vr眩晕客观评估方法，其通过将脑电不同方面的特征进行融合，多个维度地评估vr眩晕，从而能够提高评估vr眩晕的准确性。

2、为实现上述目的，本发明提供了如下的技术方案：

3、一种融合多维脑电特征的vr眩晕客观评估方法，包括如下步骤：

4、第一步，数据采集，采集脑电原始信号数据并通过软件导出数据；

5、第二步，去除伪迹和眼电噪声，首先将第一步中导出的数据去除非生理伪迹，然后去除眼电噪声，获得去噪后的数据；

6、第三步，数据分段，将去噪后的数据分成时间较短的数据段；

7、第四步，对分段后的数据进行特征提取，提取时域特征、频域特征、时频域特征以及空间域特征进行准确性测试，并依据准确性的高底选取出差异性较大的特征并进行准确性测试，选取出准确率高的特征；

8、第五步，特征融合，将选取出的准确率高的特征进行融合生成新的特征矩阵；

9、第六步，预测模型，将融合后的特征通过机器学习训练成vr眩晕预测模型以评估vr眩晕。

10、优选地，第二步具体为：

11、将导出的数据导入eeglab中，并进行0-30hz的带通滤波器去除非生理伪迹，接着，将滤完波后的数据通过runica分离出各个生理信号，并去除其中的眼电噪声。

12、优选地，第三步中，以4秒为时间间隔进行分段。

13、优选地，第四步具体为：

14、对分段后的数据进行特征提取，提取时域特征、频域特征、时频域特征以及空间域特征，将提取后的特征分别与机器学习svm构建分类模型，并测试各自的准确性，选取出准确率高于90％的特征。

15、优选地，第五步具体为：

16、将选取的时域、频域和时频域特征根据通道进行线性相加，然后对其进行数据标准化，最后将标准化后的特征与空间域特征进行矩阵拼接融合，生成包含多方面信息的新的脑电特征。

17、优选地，第六步具体为：

18、将融合后的特征以9:1划分训练集与测试集，使用机器学习svm通过训练集数据构建vr眩晕预测模型，并用测试集数据。

19、另一方面，本发明还提供了一种融合多维脑电特征的vr眩晕客观评估方法的评估系统，包括：

20、数据采集模块，用于采集脑电原始信号数据并通过软件导出数据；

21、数据预处理模块，用于对数据采集模块采集到的脑电原始信号去除非生理伪迹和眼电噪声，并对去除噪声后的数据进行分段；

22、特征提取模块，用于对数据预处理模块处理后的数据提取时域特征、频域特征、时频域特征以及空间域特征，提取出区分性较大的特征，并进行准确性测试，选取出准确率高的特征，优选地，对分段后的数据进行特征提取，提取时域特征、频域特征、时频域特征以及空间域特征，将提取后的特征分别与机器学习svm构建分类模型，并测试各自的准确性，选取出准确率高于90％的特征；

23、特征融合模块，用于对特征提取模块选取出的准确率高的特征进行融合并生成新的特征矩阵；

24、预测模块，用于将特征融合模块融合后的特征通过机器学习训练成vr眩晕预测模型以评估vr眩晕。

25、优选地，将选取的时域、频域和时频域特征根据通道进行线性相加，然后对其进行数据标准化，最后将标准化后的特征与空间域特征进行矩阵拼接融合，生成包含多方面信息的新的脑电特征。

26、优选地，将导出的数据导入eeglab中，并进行0-30hz的带通滤波器去除非生理伪迹，接着，将滤完波后的数据通过eeglab中的runica算法分离出各个生理信号，并去除其中的眼电噪声，优选地，以4秒为时间间隔进行分段。

27、优选地，预测模块，用于将融合后的特征以9:1划分训练集与测试集，使用机器学习svm通过训练集数据构建vr眩晕预测模型，并用测试集数据评估模型的性能。

28、本发明提供的融合多维脑电特征的vr眩晕客观评估方法及评估系统，通过将脑电不同方面的特征进行融合，多个维度地评估vr眩晕，从而能够提高评估vr眩晕的准确性，具体为：

29、(1)将线性相加与矩阵拼接相结合进行特征融合

30、先将脑电的时频等特征进行线性相加，然后再将融合后的特征与空间域特征通过矩阵拼接进性融合，最后形成可靠而稳定性有强的特征。该融合方法不仅可以提高特征所包含的信息，而且又不会使特征的维度过高。

31、(2)融合多维脑电特征，提高评估vr眩晕的准确性

32、本发明将融合不同的特征，使得融合后的特征包含更加全面的脑电信息。通过融合后特征构建vr眩晕评估模型，也能够多维度的评估vr眩晕，最终提高评估的准确性。

33、综上，本发明提供的融合多维脑电特征的vr眩晕客观评估方法及评估系统，具有如下的有益效果：

34、(1)结果客观，通过脑电该生理指标来测量vr眩晕，结果不受主观思想的影响。

35、(2)实时性，脑电数据通过采集设备实时采集，所以最终测量的结果也是实时的。

36、(3)融合不同脑电特征，提高评估vr眩晕的准确性

37、通过融合时频域和空间域的脑电特征，使得最后特征所包含的脑电信息更加全面，从而提高最终模型的准确性。融合不同的脑电特征，更加准确的测量vr眩晕。