[发明专利]基于深度堆叠支持矩阵机的脑电信号识别方法

权利要求书

1.一种基于深度堆叠支持矩阵机的脑电信号识别方法，其特征在于，步骤如下：

步骤1：采集EEG信号；

步骤2：对EEG信号进行预处理，以消除噪声和伪迹，然后对EEG信号进行特征提取，由此得到n个原始EEG信号特征其中表示第i个EEG信号特征，d₁、d₂分别代表记录电极通道数和时间采样点数，y_i∈{1,-1}为相应的类别标签；

步骤3：将原始EEG信号特征作为输入训练第一层SMM模型并得到第一层的预测输出，计算分类精度，如果精度收敛则得到最终分类模型，否则继续步骤4；

步骤4：利用矩阵随机投影将第一层预测输出投影到原始EEG特征空间并与原始EEG信号特征叠加得到第二层EEG信号特征，将其作为输入训练第二层SMM得到第二层的预测输出；

步骤5：重复步骤4生成后续各层EEG信号特征，训练各层SMM并得到各层的预测输出，直到精度收敛，得到最终分类模型；

步骤6：将待分类EEG信号输入最终分类模型，得到其类别标签。

2.根据权利要求1所述的一种基于深度堆叠支持矩阵机的脑电信号识别方法，其特征在于，步骤2中，使用共空间模式对EEG信号进行特征提取。

3.根据权利要求1所述的一种基于深度堆叠支持矩阵机的脑电信号识别方法，其特征在于，所述深度堆叠支持矩阵机利用SMM作为基本堆叠单元，其目标函数为：

其中W和b为分类超平面参数，tr(·)代表矩阵的迹，||·||_*为核范数，C、τ分别为约束损失项以及核范数的惩罚系数，ξ_i为松弛变量。

4.根据权利要求1所述的一种基于深度堆叠支持矩阵机的脑电信号识别方法，其特征在于，所述深度堆叠支持矩阵机引入矩阵随机投影作为核心堆叠元素构造每层EEG信号特征，构造公式为：其中，η为权重；l为网络层数，p_l,m和q_l,m为第l层用于投影前面第m层预测输出o_m的投影矩阵，矩阵中的元素从标准正态分布N(0,1)采样得到。