[發明專利]一種多類別運動想象分類識別方法

有效

• 申請號: 201710814121.3
• 申請日: 2017-09-11
• 公開（公告）號: CN107550491B
• 公開（公告）日: 2019-06-14
• 發明（設計）人: 于忠亮;宋錦春
• 申請（專利權）人: 東北大學
• 主分類號: A61B5/0476
• 分類號: A61B5/0476;A61B5/00;G06K9/62
• 代理公司: 北京易捷勝知識產權代理事務所(普通合伙) 11613
• 代理人: 韓國勝

1.一種多類別運動想象分類識別方法，其特征在于，包括：

步驟一、受試者進行若干次多類別運動想象任務，并通過多通道腦電信號采集系統采集受試者每次進行多類別運動想象任務時的腦電信號；

步驟二、對所有采集的腦電信號進行預處理，獲取僅包含運動想象特征頻帶的腦電信號；

步驟三、將每次試驗對應的腦電信號片段從已預處理過的腦電信號中逐一截取并檢驗，去除受偽差干擾的腦電信號片段；

步驟四、對應于無偽差干擾的各次試驗的腦電信號片段，將其每個導聯上運動想象過程腦電信號進行分段并重構，以獲取每次試驗各導聯的運動想象特征矩陣；

步驟五、采用奇異值分解算法對所有運動想象特征矩陣進行降維、消噪，得到對應于無偽差干擾的各次試驗每個導聯的一維運動想象特征向量；

步驟六、對應于無偽差干擾的各次試驗，將每次試驗的所有導聯的一維運動想象特征向量構成一個特征空間，并將所有這些特征空間共同組成試驗數據集；

步驟七、基于所述的試驗數據集，采用K-fold交叉驗證方法重復執行如下模型訓練步驟和分類測試步驟，實現對多類別運動想象任務的分類識別；

其中，所述模型訓練步驟為：采用深度玻爾茲曼機，基于從所述試驗數據集中選出的訓練數據集進行訓練，構建特征模型；所述分類測試步驟為：基于從所述試驗數據集中選出的測試數據集提取潛在特征，并測試分類正確率；

所述步驟五包括如下子步驟：

步驟a、對所有運動想象特征矩陣進行奇異值分解，提取相應的奇異值矩陣；

步驟b、對于每個奇異值矩陣，重構每個奇異值對應的特征分量，并對重構后的各個特征分量進行互相關分析，通過將平均互相關系數絕對值最小值對應的奇異值矩陣維度置零方式獲得消噪后奇異值矩陣，去除偽差、噪聲對應的特征分量；

步驟c、采用每個消噪后的奇異值矩陣及其對應的酉矩陣對運動想象特征進行重構，得到對應于無偽差干擾的各次試驗每個導聯的一維運動想象特征向量；

其中，針對每組訓練數據集均進行一次模型訓練步驟；

在所述模型訓練步驟中，設置深度玻爾茲曼機的隱藏層數、各層節點數以及反向傳播次數范圍，將深度玻爾茲曼機拆分為一系列限制玻爾茲曼機堆，并將位于最底層限制玻爾茲曼機的可見層單元數以及位于最頂層限制玻爾茲曼機的隱藏層單元數加倍，基于當前組訓練數據集采用逐層貪婪算法訓練修改后的限制玻爾茲曼機堆，將限制玻爾茲曼機堆自底向上和自頂向下兩個方向上的權重進行均分，將這一系列限制玻爾茲曼機堆重新組合成當前組訓練數據集所對應的深度玻爾茲曼機模型。

2.根據權利要求1所述的多類別運動想象分類識別方法，其特征在于，

在所述步驟一中，將腦電信號采集過程的采樣率設置為1200Hz，同時利用硬件設置陷波濾波器為48Hz-52Hz，帶通濾波器為0.5Hz-200Hz，以消除腦電信號采集過程中的工頻干擾并抑制噪聲。

3.根據權利要求1所述的多類別運動想象分類識別方法，其特征在于，

在所述步驟二中，利用5Hz-30Hz的帶通濾波器對采集的腦電信號進行濾波，獲取僅包含運動想象特征頻帶的腦電信號，以去除5Hz-30Hz以外頻段對特征提取的影響。

4.根據權利要求1所述的多類別運動想象分類識別方法，其特征在于，

在所述步驟四中，對應于無偽差干擾的各次試驗腦電信號片段，通過采用長度為0.5s不重疊的矩形時間窗對每個導聯上運動想象過程腦電信號進行分段。

5.根據權利要求1所述的多類別運動想象分類識別方法，其特征在于，

在所述步驟六中，將試驗數據集的全部或部分隨機均分10份，并輪流將其中9份作為一組訓練數據集，1份作為測試數據集，將構成的10種不同訓練數據集與測試數據集的組合作為K-fold交叉驗證數據集。

6.根據權利要求1-5中任一項所述的多類別運動想象分類識別方法，其特征在于，

針對每組測試數據集均進行一次分類測試步驟；

在所述分類測試步驟中，利用當前組測試數據集測試當前組對應的已訓練過的深度玻爾茲曼機模型的分類正確率；

所述步驟七還包括：將所有組分類正確率進行平均以表征平均分類正確率。