脑电信号识别的时间窗调节方法、装置、设备及存储介质与流程

1.本技术涉及脑电信号识别技术领域，具体而言，涉及一种脑电信号识别的时间窗调节方法、装置、设备及存储介质。


背景技术：

2.随着脑科学的研究发展，脑机接口工程在临床医疗、娱乐休闲、智慧家居等领域获得了广泛关注。
3.基于ssvep的脑机接口以其非侵入式、易于训练、相对低成本等优势备受青睐。基于ssvep的脑机接口采用特定频率的周期性视觉刺激诱发脑电响应并进行特征提取和目标识别。
4.目标识别准确率和信息传输率是衡量基于ssvep的脑机接口系统的两个重要指标。传统的ssvep在应用过程中通常采用固定时间窗算法进行信号处理，即对不同目标采用固定时长的视觉刺激，并对固定窗长的数据进行信号处理和特征识别；但在实际应用中，固定的时间窗容易由于场景变换、用户变更的情况而引起识别准确率低或信息传输效率低等问题，无法根据实际使用情况进行调整以兼顾识别准确率及信息传输效率。
5.针对上述问题，目前尚未有有效的技术解决方案。


技术实现要素：

6.本技术的目的在于提供一种脑电信号识别的时间窗调节方法、装置、设备及存储介质，使得时间窗能自适应优化调节以使后续的脑电信号识别处理能兼顾识别准确率及信息传输效率。
7.第一方面，本技术提供了一种脑电信号识别的时间窗调节方法，应用在ssvep脑电信号识别处理中，所述方法包括以下步骤：s1、根据时间窗获取并识别基于ssvep诱发获取的脑电数据，以获取第一识别结果；s2、在所述第一识别结果正确时，根据动态步长减小所述时间窗，并返回步骤s1，直至所述第一识别结果错误，所述动态步长为时间长度与动态步长本身的使用次数负相关的时间窗调节步长；s3、根据所述动态步长增大所述时间窗；s4、根据所述时间窗获取并识别基于ssvep诱发获取的脑电数据，以获取第二识别结果；s5、在所述第二识别结果正确时，返回步骤s4，直至第二识别结果连续正确次数达到预设阈值时，固定所述时间窗；在所述第二识别结果错误时，返回步骤s3。
8.本技术的脑电信号识别的时间窗调节方法，基于不同时间长度的时间窗获取并识别基于ssvep诱发获取的脑电数据，根据识别结果指导时间窗的调节方向，并基于动态步长实现了步骤s1-步骤s2的粗调和步骤s3-步骤s5的微调过程，使得时间窗能自适应地朝向高
识别准确率及高信息传输效率的方向优化。
9.所述的脑电信号识别的时间窗调节方法，其中，在步骤s1和步骤s4中，根据所述时间窗获取并识别基于ssvep诱发获取的脑电数据的步骤包括：基于ssvep根据所述时间窗刺激诱发获取脑电数据；对所述脑电数据进行滤波处理；对滤波处理后的所述脑电数据进行特征提取和目标识别。
10.所述的脑电信号识别的时间窗调节方法，其中，所述时间窗的初始值为时间窗上限和时间窗下限之间的中值。
11.在该示例中，时间窗上限根据最差信息传输效率进行设定，时间窗下限根据最差识别准确率进行设定，因此，本技术的方法将时间窗的初始值设为时间窗上限和时间窗下限之间的中值能使时间窗在初步满足兼顾识别准确率及信息传输效率的数值下进行优化调节，从而有效提高本技术提供的方法的调节效率。
12.所述的脑电信号识别的时间窗调节方法，其中，所述动态步长的初始值为时间窗上限和时间窗下限之差的1/20-1/5。
13.所述的脑电信号识别的时间窗调节方法，其中，所述动态步长的初始值根据所述脑电信号的采样频率进行设定。
14.所述的脑电信号识别的时间窗调节方法，其中，所述动态步长为一预设的固定时间步长与关于所述使用次数的减函数的乘积。
15.所述的脑电信号识别的时间窗调节方法，其中，所述减函数为关于所述使用次数变化的反比例函数或幂为负值且关于所述使用次数变化的幂函数。
16.在该示例中，反比例函数和幂为负值的幂函数均为前期变化幅度较大、后期变化幅度较小的减函数，能使得本技术的方法中的步骤s1-步骤s2实现更大幅度的粗调及步骤s3-步骤s5实现更高精度的优化，使得本技术的方法能获取兼顾识别准确率及信息传输效率的时间窗。
17.第二方面，本技术还提供了一种脑电信号识别的时间窗调节装置，应用在ssvep脑电信号识别处理中，所述装置包括：第一提取识别模块，用于根据时间窗获取并识别基于ssvep诱发获取的脑电数据，以获取第一识别结果；第一调节模块，用于在所述第一识别结果为正确时，根据动态步长减小所述时间窗，并重新触发第一提取识别模块运行，直至所述第一识别结果为错误，所述动态步长为时间长度与动态步长本身的使用次数负相关的时间窗调节步长；第二调节模块，用于根据所述动态步长增大所述时间窗；第二提取识别模块，用于根据所述时间窗获取并识别基于ssvep诱发获取的脑电数据，以获取第二识别结果；输出模块，用于在所述第二识别结果为正确时，重新触发第二提取识别模块运行，直至第二识别结果连续正确次数达到预设阈值时，固定所述时间窗，还用于在所述第二识别结果为错误时，重新触发第二调节模块运行。
18.本技术的脑电信号识别的时间窗调节装置，基于不同时间长度的时间窗获取并识别基于ssvep诱发获取的脑电数据，根据识别结果指导时间窗的调节方向，并基于动态步长
实现了步骤s1-步骤s2的粗调和步骤s3-步骤s5的微调过程，使得时间窗能自适应地朝向高识别准确率及高信息传输效率的方向优化。
19.第三方面，本技术还提供了一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。
20.第四方面，本技术还提供了一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。
21.由上可知，本技术提供了一种脑电信号识别的时间窗调节方法、装置、设备及存储介质，其中，本技术的脑电信号识别的时间窗调节方法，基于不同时间长度的时间窗获取并识别基于ssvep诱发获取的脑电数据，根据识别结果指导时间窗的调节方向，并基于动态步长实现了步骤s1-步骤s2的粗调和步骤s3-步骤s5的微调过程，使得时间窗能自适应地朝向高识别准确率及高信息传输效率的方向优化，以使后续的脑电信号识别处理兼顾识别准确率及信息传输效率。
附图说明
22.图1为本技术实施例提供的脑电信号识别的时间窗调节方法的流程图。
23.图2为本技术实施例提供的脑电信号识别的时间窗调节方法的运行逻辑图。
24.图3为本技术实施例提供的脑电信号识别的时间窗调节装置的结构示意图。
25.图4为本技术实施例提供的电子设备的结构示意图。
26.附图标记：201、第一提取识别模块；202、第一调节模块；203、第二调节模块；204、第二提取识别模块；205、输出模块；301、处理器；302、存储器；303、通信总线。
具体实施方式
27.下面将结合本技术实施例中附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本技术实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本技术的实施例的详细描述并非旨在限制要求保护的本技术的范围，而是仅仅表示本技术的选定实施例。基于本技术的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
28.应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本技术的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
29.目标识别准确率和信息传输率是衡量基于ssvep的脑机接口系统的两个重要指标。在实际应用中每次目标识别采集的有效响应信号数据越多越有利于识别准确率的提升，但同时目标诱发时间越长，信息传输率也会相应降低。
30.传统的ssvep根据大量离线训练的数据结果估计出最优时间窗参数，并应用于在线实验；但应用在实际场景中进行使用时，由于不同应用场景存在不同的背景噪音、不同被试的注意力程度等因素的制约，离线训练的固定时间窗参数在实际应用中表现不尽人意。
31.第一方面，请参照图1-图2，本技术一些实施例提供了一种脑电信号识别的时间窗
调节方法，应用在ssvep脑电信号识别处理中，方法包括以下步骤：s1、根据时间窗获取并识别基于ssvep诱发获取的脑电数据，以获取第一识别结果；s2、在第一识别结果正确时，根据动态步长减小时间窗，并返回步骤s1，直至第一识别结果错误，动态步长为时间长度与动态步长本身的使用次数负相关的时间窗调节步长；s3、根据动态步长增大时间窗；s4、根据时间窗获取并识别基于ssvep诱发获取的脑电数据，以获取第二识别结果；s5、在第二识别结果正确时，返回步骤s4，直至第二识别结果连续正确次数达到预设阈值时，固定时间窗；在第二识别结果错误时，返回步骤s3。
32.具体地，ssvep（steady-state visual evoked potentials）是指当受到一个固定频率的视觉刺激的时候，人的大脑视觉皮层会产生一个连续的与刺激频率有关（刺激频率的基频或倍频处）的响应，以生成相应的脑电信号；现有的基于ssvep的脑机接口一般利用固定长度的时间窗诱发生生成脑电信号，时间窗设定过小会导致脑电信号的数据量不足而影响识别准确率，时间窗设定过大则会导致需要传输的数据量过多而影响识别效率；基于ssvep的脑机接口运行一般设有单个命令的刺激识别时间，定义该时间为t，单个命令的刺激识别时间包含目标的刺激时间(ta)和两次目标刺激之间的休息时间(tb)，即有t=ta tb，本技术实施例的脑电信号识别的时间窗调节方法确定的时间窗为刺激识别时间中的刺激时间，获取最优的时间窗的过程即为保证基于ssvep的脑机接口具有高识别准确率的同时尽可能减小刺激时间ta以最优化识别单个命令所需的刺激识别时间。
33.更具体地，基于ssvep的脑机接口具有预设的时间窗，但在实际使用过程中，场景、用户的变化会导致预先设定的时间窗不再具有高识别准确率、低数据传输量（即高信息传输效率）的优势，从而影响整个脑电信号的识别过程；因此，本技术实施例的脑电信号识别的时间窗调节方法尤其适用于第一次使用基于ssvep的脑机接口、用户变更、应用场景变换等情况，即本技术实施例脑电信号识别的时间窗调节方法尤其适用于在第一次使用基于ssvep的脑机接口前、用户变更后或应用场景变换后等情况下进行使用，以获取适用于当前用户、应用场景的最优时间窗，该时间窗能使得当前用户在应用场景下能进行兼顾识别准确率及信息传输效率的脑电信号识别处理。
34.更具体地，步骤s1中初次使用的时间窗可以是预设长度的时间窗，还可以是基于ssvep的脑机接口在前使用的时间窗，本技术实施例的脑电信号识别的时间窗调节方法旨在通过重复刺激诱发获取脑电数据，并根据脑电数据的识别结果的准确情况实现时间窗的自适应调节，以获取兼顾识别准确率及信息传输效率的时间窗作为后续的ssvep脑电信号识别处理的时间窗。
35.更具体地，应当理解的是，第一识别结果和第二识别结果均为关于对应时间窗截取的脑电数据的识别结果，该识别结果可能是正确的，也可能是错误的；步骤s2和步骤s5分别为基于第一识别结果和基于第二识别结果调节时间窗的过程，因此，应当理解的是，步骤s2和步骤s5分别包含了关于第一识别结果的正确性的判断过程和关于第二识别结果的正确性的判断过程；还应当理解的是，为了确保判断过程的准确性，本技术实施例脑电信号识
别的时间窗调节方法均为基于已知命令进行诱发获取脑电数据，优选为基于同一已知的单个命令进行诱发，从而保证关于第一识别结果和第二识别结果的正确性的判断准确，因此，在本技术实施例中，判断第一识别结果和第二识别结果的准确性的过程相当于将第一识别结果和第二识别结果与事先标定的识别结果进行比较的过程。
36.更具体地，动态步长为每次时间窗进行长度调节的时间长度值，该动态步长的时间长度设置为与动态步长本身的使用次数关联的变化值，使得时间窗每次进行调节时均基于不同时间长度值进行调节，其中，时间窗调节过程包括了步骤s2中的减小和步骤s3中的增大过程，而动态步长为基于使用次数负相关设置，使得时间窗每次调节的变化量越来越小，从而使得时间窗能逐步收窄调节范围以趋向兼顾识别准确率及信息传输效率的时间窗变化。
37.更具体地，由于动态步长随使用次数变小，因此，在本技术实施例中，步骤s1-步骤s2相当于时间窗的粗调过程，步骤s3-步骤s5相当于时间窗的微调过程；基于前述内容可知，时间窗过长会产生过多的脑电数据，多余的脑电数据对识别结果的准确率影响不大，使得时间窗中具有多余的无用时间长度，因此，本技术实施例中的步骤s1-步骤s2能大幅度地高效地去除时间窗中的无用时间长度，并将时间窗调节至准确率略微缺失的状态，再利用步骤s3-步骤s5微调增大时间窗的时间长度值，以逐步获取识别准确率满足使用需求的时间窗，实现时间窗的自适应调节。
38.更具体地，步骤s2以第一识别结果错误作为粗调过程的结束点，表明当前时间窗去除了所有无用时间长度，但数据量未足以保证脑电数据识别准确；步骤s5第一次产生正确的第二识别结果时，表明基于当前时间窗获取的脑电数据的数据量能初步保证脑电数据识别的准确性，但若需要保证该识别准确性长期有效，还需进行脑电数据识别的重复验证，故步骤s5需返回步骤s4重复获取第二识别结果进行准确率验证，有且仅有在第二识别结果连续正确次数达到预设阈值时才认为当前的时间窗能兼顾高信息传输效率的情况下满足高识别准确率的需求。
39.更具体地，在步骤s5中的第二识别结果错误时，表明当前的时间窗不满足识别准确率的需求，故需要根据步骤s3进行适当调节。
40.更具体地，预设阈值为根据使用需求设定的连续识别正确的次数值，可根据该基于ssvep的脑机接口的实际识别准确率或历史识别准确率或使用说明书进行设定。
41.更具体地，步骤s5固定时间窗的过程为将当前时间窗设定为后续脑电信号识别处理所用的时间窗的过程，即将该时间窗输出固定为脑电信号识别处理的时间窗。
42.本技术实施例的脑电信号识别的时间窗调节方法，基于不同时间长度的时间窗获取并识别基于ssvep诱发获取的脑电数据，根据识别结果指导时间窗的调节方向，并基于动态步长实现了步骤s1-步骤s2的粗调和步骤s3-步骤s5的微调过程，使得时间窗能自适应地朝向高识别准确率及高信息传输效率的方向优化，以使后续的脑电信号识别处理兼顾识别准确率及信息传输效率。
43.在一些优选的实施方式中，本技术实施例的方法设有时间窗上限和时间窗下限，分别用于限定时间窗调节后的最大值和最小值，当时间窗超出时间窗上限和时间窗下限时表明当前调节过程存在缺陷或问题，需要终止整个方法运行，并对基于ssvep的脑机接口进行检修。
44.具体地，时间窗上限和时间窗下限分别定义为tmax和tmin，两者均基于系统（ssvep的脑机接口）的使用需求及设备运行参数进行设定，其中，设定tmax要考虑系统的信息传输率要求；在tmax设定数值过大时，时间窗具有更大的上限，容易引起调节后的时间窗过长而导致系统的信息传输率明显降低；设定tmin则要考虑系统的识别准确率要求，在tmin设定数值过小时，时间窗具有更小的下限，容易引起调节后的时间窗过短而导致系统的识别准确率明显降低。
45.在一些优选的实施方式中，在步骤s1和步骤s4中，根据时间窗获取并识别基于ssvep诱发获取的脑电数据的步骤包括：基于ssvep根据时间窗刺激诱发获取脑电数据；对脑电数据进行滤波处理；对滤波处理后的脑电数据进行特征提取和目标识别。
46.具体地，滤波处理为脑电数据的预处理过程，需要根据脑电数据的类型进行选用，如对采样频率305hz的四目标ssvep数据（刺激频率6hz-12hz）则选择二阶的巴特沃斯滤波器对该脑电数据进行滤波，并将滤波过程使用的滤波器的最低截止频率和最高截止频率分别设定为4hz和30hz；本技术实施例的方法对脑电数据进行滤波处理能避免脑电数据中存在噪声而影响识别准确率。
47.更具体地，在本技术实施例中，特征提取和目标识别处理过程采用典型相关分析算法（canonical correlation analysis，cca）进行，该处理过程主要包括：分别在两组变量中提取有代表性的两个综合变量（分别为两个变量组中各变量的线性组合），利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性，从而判断两组数据表征的内容是否一致；本技术实施例的方法基于该算法能分析获取的脑电数据与事先标定的参考数据的整体相关性从而获取识别结果；在一些别的实施例中，本技术实施例的方法获取第一识别结果和/或第二识别结果的过程还可以简化为基于上述算法分析脑电数据与前述先标定的识别结果对应的参考数据的整体相关性来判断两者表征的内容是否一致来生成包含错误信息或正确信息的第一识别结果和/或第二识别结果。
48.更具体地，本技术实施例的方法应用上述典型相关分析算法的过程如下：假设获取到的脑电数据为多维的数据，参考数据为数据，将数据和数据进行线性变换为一维的和，满足：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（1）其中：
ꢀꢀ
（2）为ssvep相应的目标频率，为采样频率，t为采集的对应于时间窗的数据点数量，h为2π的周期数量，即h=1,2,3
……
n；由此能够写出cca的优化目标是最大化ρ(,)，ρ(,)为和的之间奇
异值，能表征两者的相关性，得到对应的投影向量,，即
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（3）在投影前，一般会把原始数据进行标准化，对数据和数据进行标准化处理，以转换为均值为0且方差为1的数据，该标准化处理过程如下：
ꢀꢀꢀ
（4）其中，cov为协方差函数，d为方差函数，e为均值函数；由和转换后的数据均值为0的条件，可以得到：
ꢀꢀꢀꢀ
（5）因此，可以将式（3）改写成下式：
ꢀꢀꢀꢀꢀꢀꢀꢀ
（6）由此，典型相关分析算法的具体运算流程表现如下：输入：各为数据和数据， 其中和的维度都大于1；输出：ρ，数据和数据的投影向量和，其中，ρ可直接作为识别结果，或基于ρ判断数据和数据表征的内容是否一致来生成相应的识别结果；具体计算过程为：计算数据的方差s
xx
，数据的方差s
yy
，和的协方差s
xy
=s
yy
t；然后计算矩阵 ；对矩阵m进行奇异值分解，得到最大的奇异值ρ，和最大奇异值对应的奇异向量；每次试验中输出的最大的奇异值ρ对应的参考信号频率即为系统识别的目标频率（脑电信号识别处理过程为识别目标频率的过程），即为识别结果。
49.在一些优选的实施方式中，时间窗的初始值为时间窗上限和时间窗下限之间的中值。
50.具体地，在申请实施例中，因为具体不清楚应用场景变换、用户变更引起的差异强度，时间窗的初始值应该进行初始化处理，从而使得每次使用本技术实施例的方法基于同一基准进行时间窗的优化调节。
51.更具体地，由前述内容可知，时间窗上限根据最差信息传输效率进行设定，时间窗下限根据最差识别准确率进行设定，因此，本技术实施例的方法将时间窗的初始值设为时间窗上限和时间窗下限之间的中值能使时间窗在初步满足兼顾识别准确率及信息传输效率的数值下进行优化调节，从而有效提高本技术实施例提供的方法的调节效率。
52.在一些优选的实施方式中，时间窗上限为5s，时间窗下限为1s，因此，时间窗的初始值优选为3s，上述关于时间窗的设定能满足一般的基于ssvep的脑机接口使用。
53.在一些优选的实施方式中，动态步长的初始值为时间窗上限和时间窗下限之差的1/20-1/5。
54.具体地，动态步长的设定应当满足在初期数次的粗调过程中不会使时间窗超出时间窗上限和时间窗下限，因此，本技术实施例的方法将动态步长的初始值设为时间窗上限和时间窗下限之差的1/20-1/5，使得时间窗每次调节的动态步长长度适中，使得时间窗具有足够次数的调节空间。
55.在一些优选的实施方式中，动态步长的初始值根据脑电信号的采样频率进行设定。
56.具体地，在脑电信号识别处理过程中，采样频率和时间窗的长度决定了每次采集的脑电数据中包含的数据点的数量；因此，在本技术实施例的方法中，动态步长的长度决定了调节后的时间窗对应采集的脑电数据中的数据点的变化数量，其与采样频率结合能直接分析出每次时间窗对应数据点的增减数量，如采样频率为305hz，时间窗增加的动态步长为0.4s，则调节后的时间窗对应采集的脑电数据增加了305*0.4=122个数据点；因此，动态步长的初始值根据脑电信号的采样频率进行设定可根据实际使用需求精确调控时间窗初期对应采集的脑电数据中的数据点的变化量。
57.在一些优选的实施方式中，动态步长为一预设的固定时间步长与关于使用次数的减函数的乘积。
58.具体地，在本技术实施例中，动态步长区分为两部分组成，能便于用户根据使用需求设定合适的动态步长使得本技术实施例的脑电信号识别的时间窗调节方法具有不同优势，如设计变化幅度更大的减函数，能提高本技术实施例的方法调节时间窗的效率，又如设计变化幅度更小的减函数，能提高本技术实施例的方法获取的时间窗的兼顾效果。
59.在一些优选的实施方式中，减函数为关于使用次数变化的反比例函数或幂为负值且关于使用次数变化的幂函数。
60.具体地，反比例函数和幂为负值的幂函数均为前期变化幅度较大、后期变化幅度较小的减函数，能使得本技术实施例的方法中的步骤s1-步骤s2实现更大幅度的粗调及步骤s3-步骤s5实现更高精度的优化，使得本技术实施例的方法能获取兼顾识别准确率及信息传输效率的时间窗。
61.更具体地，该减函数为（0， ∞）区间内的减函数，当该减函数表现为关于使用次数变化的反比例函数时，满足：y=k/x
ꢀꢀꢀꢀꢀꢀꢀ
（7）其中，x为使用次数，k为大于0的常数，y为减函数的输出值；当该减函数表现为幂为负值且关于使用次数变化的幂函数时，满足：y=kxaꢀꢀꢀꢀꢀꢀꢀꢀꢀ
（8）其中，x为使用次数，k为大于0的常数，a为小于0 的常数，y为减函数的输出值。
62.第二方面，请参照图3，本技术一些实施例还提供了一种脑电信号识别的时间窗调节装置，应用在ssvep脑电信号识别处理中，装置包括：第一提取识别模块201，用于根据时间窗获取并识别基于ssvep诱发获取的脑电数据，以获取第一识别结果；第一调节模块202，用于在第一识别结果为正确时，根据动态步长减小时间窗，并
重新触发第一提取识别模块运行，直至第一识别结果为错误，动态步长为时间长度与动态步长本身的使用次数负相关的时间窗调节步长；第二调节模块203，用于根据动态步长增大时间窗；第二提取识别模块204，用于根据时间窗获取并识别基于ssvep诱发获取的脑电数据，以获取第二识别结果；输出模块205，用于在第二识别结果为正确时，重新触发第二提取识别模块运行，直至第二识别结果连续正确次数达到预设阈值时，固定时间窗；还用于在第二识别结果为错误时，重新触发第二调节模块运行。
63.本技术实施例的脑电信号识别的时间窗调节装置，基于不同时间长度的时间窗获取并识别基于ssvep诱发获取的脑电数据，根据识别结果指导时间窗的调节方向，并基于动态步长实现了步骤s1-步骤s2的粗调和步骤s3-步骤s5的微调过程，使得时间窗能自适应地朝向高识别准确率及高信息传输效率的方向优化，以使后续的脑电信号识别处理兼顾识别准确率及信息传输效率。
64.在一些优选的实施方式中，本技术实施例的脑电信号识别的时间窗调节装置用于执行上述第一方面提供的脑电信号识别的时间窗调节方法。
65.第三方面，请参照图4，本技术一些实施例还提供了一种电子设备的结构示意图，本技术提供一种电子设备，包括：处理器301和存储器302，处理器301和存储器302通过通信总线303和/或其他形式的连接机构（未标出）互连并相互通讯，存储器302存储有处理器301可执行的计算机可读取指令，当电子设备运行时，处理器301执行该计算机可读取指令，以执行时执行上述实施例的任一可选的实现方式中的方法。
66.第四方面，本技术实施例提供一种存储介质，其上存储有计算机程序，该计算机程序被处理器执行时，执行上述实施例的任一可选的实现方式中的方法。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（static random access memory, 简称sram），电可擦除可编程只读存储器（electrically erasable programmable read-only memory, 简称eeprom），可擦除可编程只读存储器（erasable programmable read only memory, 简称eprom），可编程只读存储器（programmable red-only memory, 简称prom），只读存储器（read-only memory, 简称rom），磁存储器，快闪存储器，磁盘或光盘。
67.综上，本技术实施例提供了一种脑电信号识别的时间窗调节方法、装置、设备及存储介质，其中，本技术实施例的脑电信号识别的时间窗调节方法，基于不同时间长度的时间窗获取并识别基于ssvep诱发获取的脑电数据，根据识别结果指导时间窗的调节方向，并基于动态步长实现了步骤s1-步骤s2的粗调和步骤s3-步骤s5的微调过程，使得时间窗能自适应地朝向高识别准确率及高信息传输效率的方向优化，以使后续的脑电信号识别处理兼顾识别准确率及信息传输效率。
68.在本技术所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连
接，可以是电性，机械或其它的形式。
69.另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
70.再者，在本技术各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
71.在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
72.以上所述仅为本技术的实施例而已，并不用于限制本技术的保护范围，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。