[發明專利]一種基于腦電運動想象的雙輸入時域特征強化方法

在審

• 申請號: 202110201099.1
• 申請日: 2021-02-23
• 公開（公告）號: CN113081003A
• 公開（公告）日: 2021-07-09
• 發明（設計）人: 姚俊峰;許梅燕
• 申請（專利權）人: 廈門大學
• 主分類號: A61B5/374
• 分類號: A61B5/374
• 代理公司: 北京金咨知識產權代理有限公司 11612
• 代理人: 嚴業福

一種基于腦電運動想象的雙輸入時域特征強化方法，涉及腦電信號處理技術領域，所述方法包括：步驟一、數據過濾；步驟二、數據分割；步驟三、模式識別。本發明通過強化關鍵的空間特征，提高運動想象識別效果，提高腦電運動想象識別的準確率和普適性，并提高了腦機交互地實時效率。

技術領域

本發明涉及腦電信號處理技術領域，具體地，涉及一種基于腦電運動想象的雙輸入時域特征強化方法。

背景技術

現有的腦電波特征提取方法，很難兼顧時域、頻域、光譜密度，為避免這個問題，在腦電波機器學習研究方面，人們開始引用端到端(End-to-End)的模式實現分類識別，滿足腦機交互要求實時性(Real Time)高的需求。而實現腦電波端到端的機器學習，達到從原始數據(EEG Raw Data)輸入到最終輸出分類器、分類識別結果等，無需太多人工設置，利用多層神經網絡能夠耦合任意非線性函數，這不僅僅是將輸入數據經預處理，依據先驗知識利用傳統的網絡學習特征，進行分類；還可以將非線性的學習網絡中嵌入神經模式轉換算法，如注意力機制、反向傳播、決策樹、貪婪追逐等算法，使得對數據的擬合更加靈活，它具有高度的魯棒性和對噪聲信號的容錯能力，并且可以完全近似復雜的非線性關系。近些年，神經模式轉換算法已成為腦機交互系統的核心組成部分。然而，由于腦電波信息很容易受外界環境影響被干擾、丟失，且個體活動規律差異大，運動想象的分類精度還有待提高，還面臨運動感覺節律(Sensory Motor Rhythms，SMR)神經生理過程通常會隨著時間的推移、環境的變遷以及對象之間的變化而變化，從而阻礙訓練模型參數在受試者對象間(Inter-subject)傳遞

目前針對端到端的腦電運動想象時域的特征主要提取ERD/ERS特征，其缺點是分類準確率不高。

發明內容

鑒于現有技術中的上述缺陷或不足，本發明的目的是提供一種基于腦電運動想象的雙輸入時域特征強化方法。該方法采用采用雙輸入的關鍵值注意力機制的腦電時域特征提取方法，進一步細化ERD/ERS特征，提高運動想象識別效果。

為了解決上述問題，第一方面，本發明提供了一種基于腦電運動想象的雙輸入時域特征強化方法，所述方法包括：

數據過濾,針對腦電信號使用有限脈沖響應濾波器通過帶通濾波來過濾EEG數據，再滑動分割得到學習網絡的輸入數據；

數據分割，ERD在誘發信號發生后2～3s內出現，ERS在4～5s后出現，每次被試者按照誘發提示運動想象4s，為防止ERD和ERS信息不丟失，依據它們的發生規律，采用一種多通道腦電信號分割技巧：從每一次運動想象信號里，按照步長100ms滑動，2s的時間窗分割，且為滿足訓練網絡中1D雙輸入關鍵值注意力機制的學習，雙輸入中后一個起始時間點比前一個晚100ms；

模式識別。

第二方面，本申請實施例提供了一種計算機設備，包括存儲器、處理器以及存儲在所述存儲器中并可在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現本申請實施例描述的方法。

第三方面，本申請實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序用于：

所述計算機程序被處理器執行時實現如本申請實施例描述的方法。

附圖說明

以下將結合附圖對本發明的實施方案進行描述，其中

圖1示出了本申請的基于腦電運動想象的雙輸入時域特征強化流程示意圖；

圖2示出了本申請的雙頭輸入的數據分割策略示意圖。

具體實施方式