【技术实现步骤摘要】
一种基于CBLSTM算法模型的运动想象脑电信号特征识别方法
本专利技术属于脑机接口中脑电信号的识别领域,主要涉及采用卷积神经网络与双向长短期记忆的结合算法模型对多类运动想象脑电信号的识别方法。
技术介绍
非侵入式脑机接口(Brain-computerinterfaces,BCIs)技术为行动不便的人群提供了一种便利的生活方式,且此控制方式具有很强的可行性和实用性,近年来越来越多地运用于控制计算机及其他智能设备。脑电信号在其中起着不可或缺的作用,可用于检测司机是否疲劳驾驶,也可用于帮助脑卒中患者的功能恢复。考虑到脑电信号的传播主要是通过多个神经元共同合作完成,本文采用多通道的脑机接口设备进行研究。传统的脑电信号特征分类方法主要有:人工神经网络、线性判别式分析、支持向量机(SVM)等。Hsu等人采用了人工神经网络对音乐情绪识别进行分类,受试者较少且对个体差异进行描述和预测有困难,故分类效果较差。Tian等人采用基于FE+LDA的方法对左右手运动想象信号进行研究得出其平均分类识别率为87.2%。此后Li等人提出一种多尺度模糊熵(MFE)的方法来对MI-EEG进行分析,并采用SVM进行分类,结果表明此方法可有效提高MI-EEG的分类准确率,但是当分类种类增多时会增加系统的复杂性从而降低识别率。此后研究者发现,在生物信号领域,针对脑电信号的非线性非稳定特性,考虑到深度神经网络对大数据的处理具有优势,若能充分利用其分析信号特性可能会取得更好的效果。为此Tang等人通过建立5层CNN模型对想象左右手运动进行分类,结果表明,CNN可以进一步提高分类性能:使用CNN的平均准 ...
【技术保护点】
1.一种基于CBLSTM算法模型的运动想象脑电信号特征识别方法,其特征在于,包括如下步骤:S1:首先采用信号采集仪采集原始的脑电信号;S2:对采集的脑电信号进行包括滤波、放大在内的预处理,并采用多线性主成分分析对多维脑电信号进行降维处理;S3:将经过降维处理的脑电信号采用数据切割方法整理成序列帧,然后采用改进的卷积神经网络将脑电信号的频域特征提取出来;所述改进的卷积神经网络改进点主要在于:卷积神经网络模块主要包括五个卷积模块、四个池化层、两个批规范化层和一个Im2col加速层,其中每个卷积模块都由多个卷积层组合,卷积核尺寸大小采用的是3*3和5*5;S4:然后采用改进序列特征提取算法提取脑电信号的时域特征;所述改进序列特征提取算法改进点主要在于:将两个LSTM以相反的方向融合,共同决定当前时刻的预测信息,其信号输入序列对于两个隐藏层是相反方向的,直到两个隐含层处理完所有输入序列时预测输出才更新,同时在后向计算过程中,输出值首先通过随机梯度计算然后返回值给两个不同方向序列的隐藏层;S5:在提取出脑电信号的特征之后,通过Softmax回归对多类脑电信号进行分类并输出结果。
【技术特征摘要】
1.一种基于CBLSTM算法模型的运动想象脑电信号特征识别方法,其特征在于,包括如下步骤:S1:首先采用信号采集仪采集原始的脑电信号;S2:对采集的脑电信号进行包括滤波、放大在内的预处理,并采用多线性主成分分析对多维脑电信号进行降维处理;S3:将经过降维处理的脑电信号采用数据切割方法整理成序列帧,然后采用改进的卷积神经网络将脑电信号的频域特征提取出来;所述改进的卷积神经网络改进点主要在于:卷积神经网络模块主要包括五个卷积模块、四个池化层、两个批规范化层和一个Im2col加速层,其中每个卷积模块都由多个卷积层组合,卷积核尺寸大小采用的是3*3和5*5;S4:然后采用改进序列特征提取算法提取脑电信号的时域特征;所述改进序列特征提取算法改进点主要在于:将两个LSTM以相反的方向融合,共同决定当前时刻的预测信息,其信号输入序列对于两个隐藏层是相反方向的,直到两个隐含层处理完所有输入序列时预测输出才更新,同时在后向计算过程中,输出值首先通过随机梯度计算然后返回值给两个不同方向序列的隐藏层;S5:在提取出脑电信号的特征之后,通过Softmax回归对多类脑电信号进行分类并输出结果。2.根据权利要求1所述的基于CBLSTM算法模型的运动想象脑电信号特征识别方法,其特征在于,所述步骤S3卷积神经网络的结构从上到下依次是:首先是1*2卷积+降采样,然后是并行的卷积组,之后是2*3卷积+降采样,接着是批规范化,之后是3*3卷积+降采样,批规范化以及4*2卷积+降采样,最后是im2col加速层。3.根据权利要求2所述的基于CBLSTM算法模型的运动想象脑电信号特征识别方法,其特征在于,所述1*2卷积+降采样的卷积核尺寸为3*3,卷积核个数为64,池化的目的是降采样,减少参数量。4.根据权利要求2所述的基于CBLSTM算法模型的运动想象脑电信号特征识别方法,其特征在于,所述并行的卷积组的卷积核包括5*5,3*3的卷积核,然后将特征融合,卷积核个数均设置为128,还引入了1*1*C的卷积核,C表示常数。5.根据权利要求2所述的基于CBLSTM算法模型的运动想象脑电信号特征识别方法,其特征在于,所述Conv2*3和Conv3*3均为三个连续的卷积层,每层卷积核尺寸大小为5*5,卷积核个数为128,卷积组后均添加BatchNormalization层,即批标准化,它在深度神经网络的中间添加正态标准化处理,使每一层神经网络的输入都保持相同的数据分布;Con4*2是两个连续的卷积层,卷积核尺寸为5*5,卷积核的个数为2...
【专利技术属性】
技术研发人员:胡章芳,崔婷婷,罗元,张毅,魏博,
申请(专利权)人:重庆邮电大学,
类型:发明
国别省市:重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。