侯传宇，李 鸿，张秋实，赵 娟

1.宿州学院信息工程学院,安徽宿州，234000；2.宿州市立医院CT室，安徽宿州，234000 3.合肥学院数理系，安徽合肥，230601



基于眼电图的眼动信号分类算法研究

侯传宇1，李 鸿1，张秋实2，赵 娟3

1.宿州学院信息工程学院,安徽宿州，234000；2.宿州市立医院CT室，安徽宿州，234000 3.合肥学院数理系，安徽合肥，230601

为降低EOG的眼动信号中的噪声，提高分类算法精度，改进基于EOG的人-机交互系统性能，提出了一种基于小波变换(Wavelet Transform)与支持向量机(SVM)的眼动信号分类算法(WT-SVM)。实验室环境下，对9名眼部活动正常的受试者进行了眼动数据采集与识别，WT-SVM算法的平均分类准确率达到96.9%，与常规带通滤波去噪方法相比较，平均正确识别率提升了1.3%。实验结果表明，小波变换在EOG信号预处理中具有较强的鲁棒性，WT-SVM算法在眼动信号识别中具有高的分类精度。

人-机交互；眼电图；小波变换；分类；支持向量机

1 研究背景

近年来，生物医学工程和计算机辅助技术的快速发展为肢体残障人士对外交流提供了极大便利，但是，由于残障人士需求的特殊性，用键盘、鼠标、操纵杆或触摸屏等作为辅助工具的人机交互系统已不能满足使用者的需求。最近，语音识别、视觉信息、脑机接口(Brain-Computer Interfaces，BCI)[1]等新辅助技术在人-机交互(Human Computer Interaction，HCI)中不断涌现，极大地促进了人机交互的发展。对一组有肢体严重残疾的人群的调查表明，大多数人仅具有控制动眼神经系统的能力[2],因而眼动信号用于开发新的人机交互系统成为目前研究的热点[3]。采集眼动信号通常采用眼电图(Electrooculogram，EOG)、搜索线圈、红外线眼动图、视频记录等方法。……