[发明专利]一种基于脑电运动想象的双输入时域特征强化方法

说明书

一种基于脑电运动想象的双输入时域特征强化方法，涉及脑电信号处理技术领域，所述方法包括：步骤一、数据过滤；步骤二、数据分割；步骤三、模式识别。本发明通过强化关键的空间特征，提高运动想象识别效果，提高脑电运动想象识别的准确率和普适性，并提高了脑机交互地实时效率。

技术领域

本发明涉及脑电信号处理技术领域，具体地，涉及一种基于脑电运动想象的双输入时域特征强化方法。

背景技术

现有的脑电波特征提取方法，很难兼顾时域、频域、光谱密度，为避免这个问题，在脑电波机器学习研究方面，人们开始引用端到端(End-to-End)的模式实现分类识别，满足脑机交互要求实时性(Real Time)高的需求。而实现脑电波端到端的机器学习，达到从原始数据(EEG Raw Data)输入到最终输出分类器、分类识别结果等，无需太多人工设置，利用多层神经网络能够耦合任意非线性函数，这不仅仅是将输入数据经预处理，依据先验知识利用传统的网络学习特征，进行分类；还可以将非线性的学习网络中嵌入神经模式转换算法，如注意力机制、反向传播、决策树、贪婪追逐等算法，使得对数据的拟合更加灵活，它具有高度的鲁棒性和对噪声信号的容错能力，并且可以完全近似复杂的非线性关系。近些年，神经模式转换算法已成为脑机交互系统的核心组成部分。然而，由于脑电波信息很容易受外界环境影响被干扰、丢失，且个体活动规律差异大，运动想象的分类精度还有待提高，还面临运动感觉节律(Sensory Motor Rhythms，SMR)神经生理过程通常会随着时间的推移、环境的变迁以及对象之间的变化而变化，从而阻碍训练模型参数在受试者对象间(Inter-subject)传递

目前针对端到端的脑电运动想象时域的特征主要提取ERD/ERS特征，其缺点是分类准确率不高。

发明内容

鉴于现有技术中的上述缺陷或不足，本发明的目的是提供一种基于脑电运动想象的双输入时域特征强化方法。该方法采用采用双输入的关键值注意力机制的脑电时域特征提取方法，进一步细化ERD/ERS特征，提高运动想象识别效果。

为了解决上述问题，第一方面，本发明提供了一种基于脑电运动想象的双输入时域特征强化方法，所述方法包括：

数据过滤,针对脑电信号使用有限脉冲响应滤波器通过带通滤波来过滤EEG数据，再滑动分割得到学习网络的输入数据；

数据分割，ERD在诱发信号发生后2～3s内出现，ERS在4～5s后出现，每次被试者按照诱发提示运动想象4s，为防止ERD和ERS信息不丢失，依据它们的发生规律，采用一种多通道脑电信号分割技巧：从每一次运动想象信号里，按照步长100ms滑动，2s的时间窗分割，且为满足训练网络中1D双输入关键值注意力机制的学习，双输入中后一个起始时间点比前一个晚100ms；

模式识别。

第二方面，本申请实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现本申请实施例描述的方法。

第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序用于：

所述计算机程序被处理器执行时实现如本申请实施例描述的方法。

附图说明

以下将结合附图对本发明的实施方案进行描述，其中

图1示出了本申请的基于脑电运动想象的双输入时域特征强化流程示意图；

图2示出了本申请的双头输入的数据分割策略示意图。

具体实施方式