论文部分内容阅读
眼球运动是人的意图、行为信息重要的来源，使用眼动信息作为一种自然、和谐的人机交互技术的输入，正受到人们越来越多的关注。眼电信号是一种最常用的眼球运动记录技术，具有价格相对便宜、使用方便等优点。基于眼电信号的机器人运动控制系统可以应用于照顾老年人、残疾人的护理服务机器人，其核心是基于眼电信号的眼动跟踪技术。现有的基于眼电信号的眼动跟踪技术在噪声、精度等方面仍存在一定的局限性，本文提出了一些新的解决方法，具体包括：
1.通过使用粗糙集方法对EOG(electrooculogram，眼电图)信号的特征属性进行约简，从EOG信号的8个特征属性(峰值电压、峰值时间、持续时间、均值、中位数、速度峰值和上、下四分位分析)中提取出峰值电压、持续时间、峰值速度三个能较好代表EOG扫视信号的特征值。
2.提出了粗糙集知识约简与支持向量机相结合对眼动位置信息进行提取的新方法。实验结果表明，该方法对于眼动位置信息的提取在保证了精度的同时，提高了速度。
3.针对标准SVM的一些问题，进一步建立了基于改进支持向量机的眼动位置信息提取模型，使用v-SVM和模糊支持向量机(FSVM)代替标准支持向量机，并结合粗糙集知识约简方法提取眼动位置信息。实验结果表明，这两种改进的方法都适用于EOG信号的眼球偏转角度位置提取，具有较高的精度和速度。