[发明专利]基于时空卷积神经网络的多通道脑电信号监测方法及应用

权利要求书

1.一种基于时空卷积神经网络的多通道脑电信号监测方法，其特征在于，包括如下步骤：

1)对从模拟驾驶实验中采集到每个被试者的多通道脑电信号进行预处理，包括：

(1)原始信号降采样到100Hz，进行1-50Hz的带通滤波消噪；

(2)采用独立成分分析方法删除脑电信号中的干扰信号，得到时长30分钟的正常脑电信号和时长30分钟的疲劳脑电信号；

(3)将每个被试者的正常脑电信号和疲劳脑电信号分别分割为没有重叠的N个时长为1秒的正常脑电信号样本和N个时长为1秒的疲劳脑电信号样本，N取1800；

2)建立一个能够获取多通道脑电信号的空间关系和时间依赖性的时空卷积神经网络；

3)采用十折交叉验证方法对时空卷积神经网络进行训练，最终将N个时长为1秒的正常脑电信号样本和N个时长为1秒的疲劳脑电信号样本按照清醒阶段和疲劳阶段分成两类，从而得到分类结果。

2.根据权利要求1所述的基于时空卷积神经网络的多通道脑电信号监测方法，其特征在于，步骤2)所述的时空卷积神经网络包括有依次串连的输入层、第一核心层、第一最大池化层、第二核心层、第二最大池化层、第三核心层、平均池化层、密集层和softmax层，其中，所述的第一核心层、第二核心层和第三核心层结构相同，均包括有依次串连的第一卷积层、第二卷积层、第三卷积层、批量归一化层和修正线性激活层，用于提取多通道脑电信号的时域特征，即多通道脑电信号的时间依赖性；第一最大池化层、第二最大池化层和平均池化层用于平衡接收的信号的训练性能和泛化能力；平均池化层输出的特征向量压平成为一维向量后经过密集层提取空间特征，即多通道脑电信号的空间关系；在softmax层中使用交叉熵目标函数生成分别属于清醒阶段的概率和疲劳阶段的概率。

3.根据权利要求1所述的基于时空卷积神经网络的多通道脑电信号监测方法，其特征在于，步骤3)包括：

(1)将N个时长为1秒的正常脑电信号样本和N个时长为1秒的疲劳脑电信号样本分为等长的十个子集；

(2)将十个子集中的一个子集作为测试集，剩余的九个子集作为训练集，并对训练集提供对应的训练集标签；

(3)用具有训练集标签的训练集对时空卷积神经网络进行训练；

(4)用训练好的时时空卷积神经网络对测试集进行分类，即将测试集中的每一个脑电信号样本进行归类，对应归入清醒阶段或疲劳阶段；

(5)重复第(2)～第(4)步，直到将等长的十个子集全部进行分类；

(6)将十个子集分类结果中的清醒阶段和疲劳阶段分别求和，得到最终的分类结果。

4.一种权利要求1所述的基于时空卷积神经网络的多通道脑电信号监测方法的应用，其特征在于，分别采集S个成年人模拟驾驶实验中的多通道脑电信号，包括清醒阶段和疲劳阶段的多通道脑电信号，对于所采集的多通道脑电信号，分别进行预处理，建立一个能够获取多通道脑电信号的空间关系和时间依赖性的时空卷积神经网络，采用十折交叉验证方法对时空卷积神经网络进行训练，实现对多通道脑电信号的准确分类。