[发明专利]基于深度堆叠支持矩阵机的脑电信号识别方法

摘要

本发明提供一种基于深度堆叠支持矩阵机的脑电信号识别方法，包括以下步骤：首先对脑电(Electroencephalogram,EEG)信号进行预处理并提取特征；用提取出的原始EEG信号特征作为输入训练第一层支持矩阵机(Support Matrix Machines,SMM)得到第一层的预测输出；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；按照这种方式得到更深层的EEG信号特征并训练SMM，直到精度收敛得到最终分类模型。本发明可以准确判断不同类型的EEG信号，保证基于EEG的BCI系统安全可靠的运行。

主权项

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。