[發明專利]基于LSTM和BP的運動想象腦電信號的分類方法

在審

• 申請號: 202111398097.2
• 申請日: 2021-11-19
• 公開（公告）號: CN114129175A
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 鄭威;程怡
• 申請（專利權）人: 江蘇科技大學
• 主分類號: A61B5/372
• 分類號: A61B5/372;A61B5/00
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 盧霞

本發明是一種基于LSTM和BP的運動想象腦電信號的分類方法，包括如下步驟：步驟1：數據進行預處理；步驟2：將步驟1得到的數據進行歸一化處理；步驟3：用改進后的LSTM模塊自動的進行特征提取；步驟4：將步驟3LSTM模塊中提取到的特征輸送到BP神經網絡分類器中，得到分類結果；步驟5：采用梯度下降法進行參數優化。本發明首先是利用改進后的LSTM模塊對預處理后的數據進行特征提取，再利用BP神經網絡分類器對前面提取到的特征進行分類，最后進行參數優化達到最高準確值，提高腦電信號的特征分類的準確率。

技術領域

本發明涉及運動想象腦電信號特征提取與分類，屬于BCI研究領域，具體的說是涉及一種基于長短期記憶(LSTM)模型結合BP神經網絡的方法。

背景技術

大腦是支配人類活動的中樞神經系統，然而在現代社會中，越來越多的疾病威脅著大腦及神經脊髓的健康，使得人腦不能與外界進行正常的信息交互。例如腦癱瘓、腦干中風、肌萎縮、肌萎縮側索硬化癥(Amyotrophic Lateral Sclerosis，ALS)、癲癇等，這些疾病統稱為“閉鎖綜合癥”。

隨著人類對腦科學研究的不斷深入以及計算機科學與信息處理技術的飛速發展，帶著增強有運動障礙但思維正常的患者與外界交流和溝通能力的初衷，對運動想象腦電信號的特征提取技術便應運而生，它提供了一種高級的、新型的人機交互方式。現如今，計算機科學與神經科學結合領域的研究得到科學家們的普遍關注與深入開拓，BCI技術以一日千里的速度迅速發展，在軍事航空、康復醫療、認知增強、游戲娛樂和智能化等領域正迸發出強大的活力，腦機接口的研究與應用已然成為科研領域的熱點。盡管如此，目前我國的BCI技術整體尚處于實驗室研究狀態，相關理論與技術有待完善，全面深入BCI技術的研究，能為我國在該領域的科技進步貢獻力量。

由于腦電信號具有非平穩、噪聲大、隨機性強等特點，目前運動想象腦電信號的分類準確度低。使得解碼腦電信號進而提取有效生理信息有很大的挑戰性。目前運動想象腦電信號的分類準確度低，因此，研究如何通過算法對腦電信號進行準確分類顯得尤為重要，

發明內容

為了解決上述問題，本發明提供了一種基于LSTM和BP的運動想象腦電信號的分類方法，該方法提高了運動想象腦電信號特征提取與分類的準確度。

為了達到上述目的，本發明是通過以下技術方案實現的：

本發明是一種基于LSTM和BP的運動想象腦電信號的分類方法，該方法包括如下步驟：

步驟1：數據進行預處理：對原始腦電信號進行數據預處理，目的是減少干擾，提高信噪比，從而提高特征提取的準確性；

步驟2：將步驟1得到的數據進行歸一化處理；

步驟3：用改進后的LSTM模塊自動的進行特征提取；

步驟4：將步驟3LSTM模塊中提取到的特征輸送到BP神經網絡分類器中，得到分類結果；

步驟5：采用梯度下降法進行參數優化。

本發明的進一步改進在于：所述步驟5采用梯度下降法進行參數優化的具體步驟有：沿著梯度下降的方向對神經網絡中的自由參數M、n如下式進行調節，并且最開始M按照高斯分布來進行初始化，n初始化為全0的向量，在多次訓練中，不斷優化的參數可以使損失函數的值逐漸減小，使得模型對腦電數據的分類誤差不斷減小，

其中：E_r是損失函數。

本發明的進一步改進在于：在當前時刻與前一個時刻的單元狀態偏差中加入比例微分(proportional derivative,PD)反饋來改進LSTM網絡,使得誤差在輸出門關閉的情況下仍處于可觀狀態，步驟3用改進后的LSTM模塊自動的進行特征提取的過程為：