[发明专利]基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法

权利要求书

1.基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，其特征在于：包括以下步骤，

S1，采集脑电数据，并对采集到的原始SSVEP数据进行预处理；

S2，采用EMD方法生成人造数据增强原始SSVEP数据；

所述步骤S2具体包括利用EMD方法将原始SSVEP脑电数据分解为多个集合时频域信息的本征模式函数IMF，原始SSVEP数据每个脑电信号采集通道分解的结果遵循如下公式：

式中，IMF为分解得到的本征模式函数，满足两个条件：①函数在整个时间范围内，局部极值点和过零点的数目必须相等，或最多相差一个，②在任意时刻点，局部最大值的包络和局部最小值的包络平均必须为零；

通过随机提取并混合不同序列的IMF生成大量的人造数据用以训练网络；

S3，增强后的SSVEP数据用于神经网络参数训练，构建卷积神经网络模型提取SSVEP数据的特征来进行分类；

卷积网络的结构为：首层卷积层200个卷积核用于边缘能量的特征提取，每个卷积核大小为3×1，步长为2×2；第二层设置最大化池化层降采样，池化核为4×4，步长为1×1；第三层卷积层同样200个卷积核用于时频域的结合特征提取，每个卷积核大小为2×2，步长同样为2×2；最后输出的多维张量经过Flatten层压平后，通过两层全连接层对其进行分类；其中，第一层全连接层输出为1000，激活函数为ReLU；第二层全连接层输出分类的标签，激活函数为SoftMax。

2.如权利要求1所述的基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，其特征在于：所述步骤S1中对SSVEP脑电数据预处理是滤去直流分量和进行带通滤波。

3.如权利要求1所述的基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，其特征在于：生成单个人造数据的步骤为，

S201，随机地在原始SSVEP脑电数据中选择部分作为贡献其IMF生成SSVEP数据，每类数据数目相同，并将被选择的数据根据其所属分类分开；

S202，在某一类被选择数据中随机地选择N组数据，对N组数据进行经验模式分解，每组数据分解成多个IMF，第一组数据中的每个通道的信号贡献它的第一个IMF，直到第N组数据的每个通道的信号贡献它第N个IMF；

S203，将各通道的N个IMF相加在一起，即为创造的一个脑电数据，其中，如果分解的IMF的个数小于设定的N，补充零值得IMF相加。

4.如权利要求1所述的基于EMD数据增强的卷积神经模型的SSVEP脑电分类方法，其特征在于：所述步骤S3包括采用复Morlet小波变换生成1Hz带通参数的脑电张量，将原始的时域数据转换为集合时域、频域和空间信息的张量作为神经网络的输入。