[發明專利]一種基于改進深度殘差分組卷積網絡的腦電信號分類方法

有效

• 申請號: 202110488070.6
• 申請日: 2021-05-06
• 公開（公告）號: CN113065526B
• 公開（公告）日: 2022-05-31
• 發明（設計）人: 陳萬忠;于子航
• 申請（專利權）人: 吉林大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 長春吉大專利代理有限責任公司 22201
• 代理人: 朱世林;張晶

本發明屬于模式識別及腦電信號處理領域，涉及一種基于改進ResNeXt網絡的腦電信號分類方法；包括腦電信號采集、預處理、特征提取、訓練ResNeXt分類網絡四部分；訓練ResNeXt分類網絡是指：劃分訓練集和測試集；構建改進ResNeXt腦電信號分類網絡；訓練改進后的ResNeXt腦電信號分類網絡；構建改進ResNeXt腦電信號分類網絡是指：在ResNeXt基礎上改進，對分組卷積的每個block模塊的中間一層卷積層增加直連操作，加快模型收斂的速度，降低模型的測試誤差，提升泛化能力；本發明加快了分類模型的收斂速度，相對卷積神經網絡腦電分類模型，改進后的ResNeXt分類模型更容易優化，有效地改善了深層次訓練模型存在的梯度爆炸問題，在避免分類模型退化問題的同時能使網絡的層數大大加深。

技術領域

本發明屬于模式識別領域，涉及腦-機接口中腦電信號模式分類，特別涉及一種基于改進深度殘差分組卷積網絡的腦電信號分類方法。

背景技術

近年來，隨著神經科學、信息科學、計算機科學等領域的飛速發展，衍生出了一種新型的高科技技術——腦-機接口技術。腦-機接口(Brain-Computer Interface，BCI)，有時也稱作“大腦端口”或者“腦-機融合感知”，它是在人腦或動物腦與外部設備間使用腦電或者大腦活動的其他生理測量量建立的不依靠傳統神經肌肉輸出的通信管道。腦-機接口代表著潛在的下一件硬件接口，未來的控制設備將迎來重大變革，人腦控制設備將成為常態。

深度殘差分組卷積網絡(ResNeXt)作為殘差網絡(ResNet)的改進，繼承采用了ResNet的重復層策略，但在ResNet的基礎之上增加了路徑數量，以簡單、可拓展的方式利用拆分轉換合并策略。每一個路徑都有相同的拓撲結構，這種設計使ResNeXt無需特殊設計即可拓展到任何數量級的轉換。這種分組的策略會使卷積核學習到的關系更加稀疏，同時在整體復雜度不變的前提下，大大降低每個子網絡的復雜程度。因此，ResNeXt較現有腦電分類方法可以實現降低過擬合風險，增加模型的泛化能力，在增加模型復雜度的同時很大程度上降低了模型的退化(Degradation)現象。

為此，本發明提供了一種基于改進深度殘差分組卷積網絡的腦電信號分類方法。

發明內容

本發明解決的技術問題是克服了現有技術不能充分地對腦電信號提取出的特征進行利用以及優化計算量和特征傳遞的問題，在ResNeXt的基礎之上，對一層卷積層進行直連，提供了一種基于改進ResNeXt的腦電信號分類方法。

為解決上述技術問題，本發明是采用如下技術方案實現的：

一種基于深度殘差分組卷積網絡ResNeXt的腦電信號分類方法，包括腦電信號采集、腦電信號預處理、特征提取、訓練ResNeXt分類網絡四部分；

所述訓練ResNeXt分類網絡是指：

1)劃分訓練集和測試集；

2)構建改進ResNeXt腦電信號分類網絡；

3)訓練改進后的ResNeXt腦電信號分類網絡。

技術方案中所述腦電信號采集是指：

受試者佩戴腦電采集設備，在屏幕前根據實驗范式進行相應的腦電想象活動，產生對應范式類型的腦電信號；

所述腦電信號預處理是指：

1)對采集到的腦電信號進行多級放大處理；

2)對一級放大后的信號使用共平均參考對原始信號進行空間濾波；

3)通過陷波電路消除50Hz工頻干擾，通過高頻濾波去除直流電位影響，通過低通濾波消除高頻分量帶來的干擾；

4)對濾波后的腦電信號進行二次放大；

5)對濾波后的腦電信號進行單次窗口數據提取。