[发明专利]一种基于深度学习的运动想象脑电信号分类方法在审
| 申请号： | 201811603323.4 | 申请日： | 2018-12-26 |
| 公开（公告）号： | CN109784211A | 公开（公告）日： | 2019-05-21 |
| 发明（设计）人： | 吕娜;井雪 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06F3/01;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 西安通大专利代理有限责任公司 61200 | 代理人： | 徐文权 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于深度学习的运动想象脑电信号分类方法，属于模式识别和脑机接口技术领域。包括：对脑电信号的分析与预处理，对脑电信号的二维转换，构建运动想象脑电信号分类的卷积神经模型；对神经网络进行训练得到运动想象脑电信号分类模型以及对模型进行测试和性能评估。与现有技术相比，本发明通过利用每个时间点的数据作为样本且做了2D转换以及深度学习的方法提高了运动想象脑电信号分类的准确率，同时提高了分类的实时性和稳定性。 | ||
| 搜索关键词： | 脑电信号 运动想象 分类 预处理 分类模型 模式识别 脑机接口 神经模型 神经网络 性能评估 时间点 实时性 转换 准确率 二维 构建 卷积 学习 样本 测试 分析 | ||
【主权项】：
1.一种基于深度学习的运动想象脑电信号分类方法，其特征在于，包括以下步骤：S1：采集原始脑电信号数据集；S2：原始脑电信号在时间指标t时是一维数据，对原始脑电信号数据集做零均值归一化预处理，并将零均值归一化预处理得到的一维数据划分为训练集、验证集和测试集；S3：把S2划分得到的训练集、验证集和测试集按照采集时采集点的位置转为二维的数据，分别得到对应得二维的训练集、验证集和测试集；S4：构建能够对S3得到的二维数据分类的卷积神经网络模型，使用S3得到的二维的训练集和验证集对所述卷积神经网络模型进行训练得到运动想象脑电信号分类模型，使用S3得到的二维的测试集对运动想象脑电信号分类模型进行测试，检验运动想象脑电信号分类模型性能；S5：利用S4得到的运动想象脑电信号分类模型对运动想象脑电信号分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811603323.4/，转载请声明来源钻瓜专利网。
