[發明專利]一種利用深度神經網絡對EEG數據的噪聲識別方法

在審

• 申請號: 202210307716.0
• 申請日: 2022-03-27
• 公開（公告）號: CN114861702A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 鄒凌;楊亮宇;周天彤;李文杰
• 申請（專利權）人: 常州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;A61B5/00;A61B5/256;A61B5/377
• 代理公司: 常州市英諾創信專利代理事務所(普通合伙) 32258
• 代理人: 楊闖

1.一種利用深度神經網絡對EEG數據的噪聲識別方法，其特征在于，包括以下步驟：

S1、通過腦電帽采集被試卒中狀態下肩、肘、腕、指四個關節的組合動作時誘發的EEG數據，并將動作劃分為單關節訓練和關節綜合訓練；

S2、對EEG數據進行降采樣、粗濾波和ICA獨立成分分解，得到多個獨立成分的IC激活和IC地形圖；

S3、將IC地形圖進行裁剪，將IC激活按一定時間分割為若干個trail，并設置相鄰窗口重疊時間；

S4、構建一維CNN卷積、二維CNN卷積和DDN卷積組成的深度神經網絡將IC地形圖送入二維CNN卷積網絡，IC激活送入一維卷積網絡，并將兩個卷積網絡的輸出值送入DNN卷積網絡，并設置超參數；

S5、將DNN卷積網絡輸出值通過softmax分類器進行分類，并根據分類結果對EEG數據進行噪聲篩選和剔除，并對剔除噪聲后的EEG數據進行信噪比和均方根差計算，評價去噪效果。

2.根據權利要求1所述的利用深度神經網絡對EEG數據的噪聲識別方法，其特征在于，所述單關節訓練是通過刺激源為肩屈30°、肩展30°、肘屈90°、肘屈最大、腕左旋、腕右旋、指握拳共七種動作刺激腦運動功能區產生EEG數據；

所述多關節綜合訓練是通過刺激源為前臂旋前、前臂旋后、上肢前屈90°、上肢后伸上抬觸摸腰部、上肢外展90°、上肢前屈180°、觸肩實驗、指鼻實驗共種八種動作刺激腦運動功能區產生EEG數據。

3.根據權利要求1所述的利用深度神經網絡對EEG數據的噪聲識別方法，其特征在于：所述一維CNN卷積包括：第一卷積層，內核寬度為20，濾波器個數為5，步長為2；第二卷積層，內核寬度為6，濾波器個數為16，步長為2；第三卷積層，內核寬度為15，濾波器個數為34，步長為1；第四卷積層，內核寬度為11，濾波器個數為21，步長為1；第五卷積層，內核寬度為6，濾波器個數為45，步長為1；第六卷積層，內核寬度為7，濾波器個數為30，步長為1；第一、第二、第三、第五、第六卷積層后均連接內核寬度為4、步長為2的池化層；激活函數均為PreLU函數；最后再接入Flatten層進行降維，得到IC激活的特征列向量。

4.根據權利要求1所述的利用深度神經網絡對EEG數據的噪聲識別方法，其特征在于，所述二維CNN卷積包括：IC地圖第一卷積層，內核大小為20*20，濾波器個數40個，步長為2*2；IC地圖第二卷積層，內核大小為5*5，濾波器個數50個，步長為2*2；IC地圖第三卷積層，內核大小為6*6，濾波器個數為14個，步長1*1；IC地圖第四卷積層，內核大小為9*9，濾波器個數35個，步長2*2；IC地圖第五卷積層，內核大小為12*12，濾波器個數為21個，步長為1*1；IC地圖第六卷積層，內核大小為16*16，濾波器個數為45個，步長為2*2；IC地圖第七卷積層，內核大小為8*8，濾波器個數為30個，步長為2*2；IC地圖第二、第三、第五、第七卷積層后均連接大小為2*2，步長為1*1的池化層；激活函數均為PreLU函數；最后再接入Flatten層進行降維，得到IC地形圖的特征列向量。

5.根據權利要求1所述的利用深度神經網絡對EEG數據的噪聲識別方法，其特征在于：所述DDN卷積包括第一全連接層、第二全連接層和第三全連接，第一全連接輸出維度為135、第二全連接輸出維度為210和第三全連接輸出維度為28。