[发明专利]一种多类别脑电数据识别的人工智能方法

说明书

本发明公开了一种多类别脑电数据识别的人工智能方法，属于脑电数据技术领域。通过低成本下的脑电图数据采集设备收集用户的脑电数据，并将其保存在嵌入式设备TX2中。提出定制化设计，通过注意机制增强堆栈LSTM的信号解释，捕获多个特征并实现对个体EEG信号的准确识别。开发一个低成本，实时和端到端的BCI系统，可以在嵌入式机器人平台中运行设计的DeepBrain模型和算法，根据用户的脑电图执行多种类型的家庭任务信号输入。本发明的有益效果为：解决时序数据间的时间相关性问题，同时提出了一种编码方法来实现多类别脑电数据识别，进而将其应用到多类场景，成本较低；本发明能有效提高识别率达97.5％。

技术领域

本发明涉及一种多类别脑电数据识别的人工智能方法，属于脑电数据技术领域。

背景技术

脑-计算机接口(BCI)设计作为人机交互(HCI)的新兴子领域，近年来取得了重大进展。通常，BCI系统利用可穿戴设备收集脑电图(EEG)信号并将其解释为各种用户意图。该技术已经在不同场景中应用到许多BCI系统。然而，这些现有系统有一个共同的缺点，即大多数是实验原型，或者它们是为机构用户(例如医院和政府)开发的，因此硬件成本相当昂贵，这阻碍了人们日常生活中的广泛使用的应用场景。EEG采集设备的价格不同，例如EMOTIVEPOC+14通道移动EEG设备售价799.00美元，而Brainlink设备售价约99美元。这种EEG信号采集设备对普通用户的使用通常受到价格的限制。BCI控制的机器人的另一个特定缺点是它们仅允许用户执行单一的动作。例如，使用特定模式的信号来向前移动机器人。

由于情绪在人体内外都有许多轨迹，因此采用了各种方法来构建情绪识别模型，如面部表情，声音等。在这些方法中，基于EEG的方法被测量为用于情绪识别的有希望的方法。神经科学的许多发现支持EEG允许直接评估用户的“内在”状态。然而，这些研究中的大多数与湿电极(一些具有数十个电极)有很大关系。除了放置电极的时间成本和高价格之外，不相关的通道可能会混入系统中的噪声，这会严重影响系统的性能。HCI社区调用用户友好的用法来进行有效的脑-计算机交互。随着可穿戴设备和干电极技术的快速发展，可以开发可穿戴的EEG应用设备。例如，如果设备检测到他或她处于某种情绪状态，那么佩戴这种设备的语言或残疾人可以向服务机器人显示他或她的情绪。众所周知，在HCI中，易于安装的情绪识别EEG设备很受欢迎。为了实现这一想法，本发明采用相对较少数量的电极用于EEG采集，EEG采集装置是Brainlink，其在前额位置具有两个非侵入性干电极。当用户处于不同的状态(或放松)时，Brainlink将显示不同颜色的呼吸灯。然后通过上述系统对收集的EEG数据进行情绪识别。当神经网络用于处理EEG信号数据时，可以通过手动构建滑动窗口处理EEG时间序列数据来完成之前和之后的数据之间的连接。深度神经网络已经用于EEG数据分类。长短时记忆(LSTM)是循环神经网络，配备有控制对存储器单元的访问的特殊门控机制。门控机制下的长短期存储器单元允许信息在许多时间步骤中未经修改地通过。由于门可以防止网络的其余部分在多个时间步长内修改存储器单元的内容，因此LSTM网络保留信号并传播错误的时间比普通RNN长得多。通过独立地从存储器单元读取，写入和擦除内容，还可以训练门以处理输入信号的选择和其他部分的疏忽。堆叠LSTM由沿深度尺寸的LSTM单元连接组成。它有利于存储和生成更长距离的模式。而引入注意力选择器则是为了解决堆叠LSTM天生就存在的记忆力不足的问题以及用户定制化的考虑。

目前主要的研究方法中，更多的研究主要处理短期相关时间序列数据，其中一些方法仅利用装置收集来自额叶皮层的单通道EEG，其仅限于计算情绪指数。而另一些方法侧重于来自脑部皮质的更多通道脑电图和更先进的设备。虽然先进的设备可以带来更多样化的EEG数据，但众所周知，每个额外的电极都需要花费很多钱。因此，最终可能在数据采集设备上花费数千美元，这对设计一个完整可行的BCI系统是不利的。很少有研究试图建立一个可行的，高精度，用户友好和易于部署的基于脑电图的情绪识别系统。

发明内容

本发明所要解决的技术问题为：针对现有类别场景较少，提供一种多类别脑电数据识别的人工智能方法。