[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

基于多任務RNN模型的腦電信號動作意圖識別方法，涉及多任務遞歸神經網絡對腦電信號進行動作意圖識別的方法，解決現有技術不能很好的處理信號噪聲以及時序信息的缺陷，本發明提出了一種應用多任務遞歸神經網絡，來從腦電信號中學習獨特的特征的新框架。通過學習用于人體運動意圖識別的分離信號來提高不同腦電信號頻帶與生物學意義之間的相關性。還利用不同信道之間的時間相關性。以這種方式，實現了二元和多元意圖識別的改進。本發明在公開可用的腦電信號基準數據集上進行了廣泛的實驗，并將我們的方法與許多最先進的算法進行了比較。實驗結果表明，本發明提出的方法勝過所有比較方法，達到了準確率97.8％。

技術領域

本發明涉及多任務遞歸神經網絡對腦電信號進行動作意圖識別的方法。

背景技術

人類大腦顯然是一個復雜的系統，腦-計算機接口(BCI)可以將神經活動轉化為信號，從而研究發現大腦活動和行為之間的相關性。腦電(EEG)信號分析是一種通過BCI獲取腦活動的非侵入性技術，可反映受試者執行特定任務時的大腦活動。

大多數基于腦電信號的意圖識別工作只是以一個頻率表示腦電信號的特征。這樣處理對后續的學習模型的效果不利。一個腦電信號段內的信息可以被進一步劃分為不同的頻率范圍，其中每一個頻率范圍對于特定的腦活動具有不同的相關性等級。特定的頻率范圍特別與特定的神經元活動相關聯。具體而言，大部分神經元活動可由0.5Hz至28Hz范圍內的腦電數據反映，其主要分為六個頻帶：Alpha，Beta1，Beta2，Beta3，Theta和Delta。這些分段腦電信號頻帶具有獨特的生物學意義。例如，Alpha隨著閉眼和放松而輕微波動，而Beta波形與運動行為密切相關，在運動期間波形衰減。通過信號分解，瞬態特征可以被準確地捕獲并且在相關頻率中定位，這有助于更好的增強意圖識別的性能。在現有技術中，存在僅用Alpha頻段進行意識識別的工作，但只取得了約60％的準確性。通過考慮被隔離頻帶之間的空間相關性，現有技術也能相對精確識別不同的手部動作。

但是上述技術在以下缺陷：

(1)與其他直接接觸神經元的侵入性技術不同，基于腦電信號的BCI系統通過放置在顱骨上的傳感器獲取信號，從而導致強度變化和信號中的可能有大量噪聲。

(2)現有技術忽略了不同波段間的時序性信息，如不同頻率范圍之間隨時間變化的相關性，在意識識別任務中并沒有被考慮進來，這樣會導致意識行為識別的偏差。也就是說，腦電信號和多種不同意圖之間的相關性很難建模，這導致了多意圖識別的低性能。

(3)可以觀察到，相同的意圖可以產生不同形狀的腦電信號，導致大的同類變異，大的同類變化可能進一步削弱基于腦電信號的多意圖識別的性能。

發明內容

本發明為解決現有技術不能很好的處理信號噪聲以及時序信息的缺陷，提供一種基于多任務RNN模型的腦電信號動作意圖識別方法。

基于多任務RNN模型的腦電信號動作意圖識別方法，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：