[發明專利]基于多任務RNN模型的腦電信號動作意圖識別方法

有效

• 申請號: 201811274235.4
• 申請日: 2018-10-30
• 公開（公告）號: CN109375776B
• 公開（公告）日: 2021-07-23
• 發明（設計）人: 岳琳;陳煒通;殷明浩;趙曉威;趙浩男
• 申請（專利權）人: 東北師范大學
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06K9/00;G06N3/04
• 代理公司: 長春眾邦菁華知識產權代理有限公司 22214
• 代理人: 朱紅玲

1.基于多任務RNN模型的腦電信號動作意圖識別方法，其特征是，該方法由以下步驟實現：

步驟一、采用BCI系統將大腦中神經元活動信號轉化為腦電信號，在t時刻的原始腦電信號r采用單維矢量r_t＝[r_t¹，r_t²，...，r_tⁿ]表示，其中，t∈T，n和T為正整數；

步驟二、對步驟一獲得的腦電信號進行分解；具體過程為：

波段篩選：

腦電信號r包含多個時間序列，所述多個時間序列分別對應于各個頻段的測量結果，原始腦電信號r被分割成不同的帶寬類別C，所述C＝{δ，θ，α，β₁，β₂，β₃}，其中δ，θ，α，β₁，β₂，β₃分別表示不同的頻帶，在t時刻第i個電極傳感器分解的腦電讀數R表示為一組子波的線性組合其中r_t^α，i，r_t^β，i，r_t^θ，i，r_t^δ，i分別表示t時刻第i個電極傳感器在δ，θ，α，β₁，β₂，β₃頻帶上的信號；

波段過濾：

采用帶通濾波器獲得指定頻率范圍的腦電信號，所述帶通濾波器由高通濾波器和低通濾波器組成；高通濾波器傳遞頻率高于某個界限頻率的信號，低通濾波器對所述頻率高于所述某個界限頻率的信號進行衰減，實現全波信號按波段處理；

步驟三、對步驟二過濾后的腦電信號進行多任務學習，即通過建立的多任務腦電模型實現對過濾后腦電信號進行動作意圖識別；

具體的多任務腦電模型為：

將每一時刻的LSTM單元定義為R^d中向量的集合，包括輸入門I，遺忘門f，輸出門o，記憶單元c，以及隱藏層h；LSTM傳遞公式如下：

h_t＝o_ttanh(c_t)

其中，r_t為t時刻的輸入，W為權重，b為偏置，σ代表Sigmoid函數，b_I為輸入門偏置，b_f為遺忘門偏置，b_o為輸出門偏置，b_c為記憶單元偏置，W_rI為輸入權重，W_rf為遺忘權重，W_ro為輸出權重，W_rc為記憶權重；

W_hI為隱藏層輸入權重；W_hf為隱藏層遺忘權重；W_ho為隱藏層輸出權重；W_hc為隱藏層記憶權重；

W_cI為輸入門記憶權重；W_cf為遺忘門記憶權重；W_co為輸出門記憶權重；

采用多LSTM任務機制抽取不同的頻域下的腦電波信號的序列特征，LSTM^(m)和LSTM^(v)代表不同任務，分配所述不同頻域下的腦電波信號用于捕獲特征并且嵌入分解超時的腦電信號，其中m，v＝{m，v∈Z|1≤m，v≤6}，為了捕獲分解信號之間的相關性，引入一個共享隱含層LSTM^(s)，所述共享隱含層與指定任務的LSTM單元是全連接的，共享的的激活函數與基礎LSTM相同，而任務的激活函數為：

在任務中，為記憶單元提出新的門機制，獲取在共享層神經元傳遞的輸出為t-1時刻，第i個傳感器在記憶單元的輸入；在t時刻，任務LSTM^(m)的新狀態由如下公式計算：

其中，為t-1時刻的輸出，為共享層t-1時刻的輸出，⊙代表連接操作，r_t^c，I為t-1時刻，所有傳感器在記憶單元的輸入。

2.根據權利要求1所述的基于多任務RNN模型的腦電信號動作意圖識別方法，其特征在于，

信號分波段過濾的過程為：第一個濾波器的采樣輸出提供和下一個分解的輸入，通過在同一通道同時比較濾波的和原始信號，實現分波處理，即將全波信號按波段分頻段處理。