[发明专利]基于集成Transformer的运动想象解码方法和解码系统

说明书

本申请公开基于集成Transformer的运动想象解码方法和解码系统，解码方法包括以下步骤：规范化EEG脑电信号数据；滑动时间窗口数据划分，以预定时间窗口参数切分通道数据，扩增数据量；Transformer模型自动特征提取，包括：将经过规范化和划分后的脑电数据转换成时间序列，然后将每一列数据捆绑成一个一维向量作为输入Transformer的单个词向量；对输入的数据进行嵌入处理；对嵌入后的数据进行位置编码；将编码后的数据输入至自注意力机制模块，以抽取得到与全序列相关的全局特征，进行特征抽取；全连接分类网络；投票策略处理，包括依次进行模型训练和数据测试。本申请提供的运动想象解码方法和解码系统能够有效提高分类解码的准确率，并具有良好的通用性和泛化性能。

技术领域

本发明涉及运动想象技术领域，尤其涉及基于集成Transformer的运动想象解码方法和解码系统。

背景技术

脑机接口技术是一种依托于脑科学发展起来的新兴技术，在医疗、教育等领域发挥着越来越重要的作用。

脑机接口技术包含着运动想象、稳态视觉诱发电位等多个研究方向，其中通过运动想象与外部医疗器械的结合帮助肢体运动障碍患者实现残障肢体康复方面的应用也越来越多。运动想象康复训练一般是依次通过设计运动想象方式、脑电帽获取脑电波和算法来实现脑电波解码，进而实现对于患者运动意图的识别，最后将识别信号传递给外部辅助医疗器械实现肢体运动。

当前脑电信号解码的识别算法有很多，但大多是通过机器学习的方法实现特征提取，再将提取到的特征送入分类器进行分类解码。这些机器学习算法往往需要大量的经验知识才能提取出有效的特征，非常耗费时间；同时，由于大多数算法都是基于单个被试者，数据量往往较小，不能很好地表征真实的数据分布，这也导致了训练处理的模型泛化性能有限，在实际的应用中存在巨大挑战。

发明内容

鉴于以上所述现有技术的缺点，本发明提供一种基于集成Transformer的运动想象解码方法和解码系统，能节省特征提取的时间，提高模型的鲁棒性。

为达到本发明以上至少一个优势，第一方面，本发明提供一种基于集成Transformer的运动想象解码方法，包括以下步骤：

S100，规范化EEG脑电信号数据，规范化公式为：，其中表示输入信号，为均值，为标准差，使得通道数据的均值为0，且幅值处于预定范围内；

S200，滑动时间窗口数据划分，以预定时间窗口参数切分所述通道数据，扩增数据量，其中所述预定时间窗口参数包括窗口大小数据和滑动步长参数；

S300，Transformer模型自动特征提取，包括：

S310，将经过规范化和划分后的脑电数据转换成时间序列，其中,为通道数，为采样点数，然后将每一列数据捆绑成一个一维向量作为输入Transformer的单个词向量，其中表示时间序列中的第个位置，，将数据转换为形式；

S320，对输入的数据进行嵌入处理，使得数据的输入契合Transformer模型数据输入的需要；

S330，对嵌入后的数据进行位置编码；

S340，将编码后的数据输入至自注意力机制模块，以抽取得到与全序列相关的全局特征，进行特征抽取；

S400，全连接分类网络；

S500，投票策略处理，包括依次进行模型训练和数据测试。

根据本发明一实施例，在步骤S200中，设定原始数据为，其中为通道数，为采样点数，设定窗口大小为0.8，步长为0.05，切分出五个时间片段数据，分别为：

，，，，。

根据本发明一实施例，在步骤S320中，通过对输入数据的嵌入处理，重新对输入的单个词向量进行编码，编码方式通过线性连接层实现，即。

根据本发明一实施例，在步骤S330中，所述位置编码使用cosine编码，cosine编码公式为：

，