The invention discloses a method and device for recognizing spatial auditory evoked P300 EEG signal, which relates to the research field of algorithm. In order to solve the problem that the existing convolution neural network is limited by the amount of data, it is prone to serious over-fitting and poor recognition results. The method includes: pre-processing the collected P300 EEG signal to obtain the original signal; obtaining multiple IMF components through EMD algorithm, obtaining denoised EEG signals by calculating the variance of normalized autocorrelation function of IMF components; inputting the denoised EEG signals into the convolution layer of convolutional neural network to obtain the spatial characteristics of the denoised EEG signals; The spatial features obtained by the convolution layer aggregate to form a global feature input to the full connection layer of the convolution neural network, and the classification accuracy is output by the output layer of the convolution neural network.
【技术实现步骤摘要】
一种空间听觉诱发P300脑电信号识别方法及装置
本专利技术涉及算法研究领域，更具体的涉及一种空间听觉诱发P300脑电信号识别方法及装置。
技术介绍
大脑是人体最高神经中枢，控制着人体的各项生命活动。随着近年来脑瘫、脑干中风、脊髓损伤等疾病的增加，很多患者部分或者完全丧失了自主控制肌肉的能力。脑机接口旨在实现不依赖外围神经与肌肉组织，直接进行大脑与计算机之间的联系的平台，这样可以帮助这类患者进行康复，提高其生活质量。对于健康人群，脑机接口系统作为一种全新的交互方式，将极大程度上丰富人们的娱乐交流方式。在医疗系统、自动控制和计算机科学等方面也有重要的应用。随着模式识别等机器学习算法的快速发展，尤其是深度学习的发展，脑机接口系统已经成为全球最重要的研究领域之一。目前国内外视觉诱发的脑机接口范式取得了很大的进展。相比之下，基于听觉刺激的脑机接口发展有所滞后。听觉脑机接口技术为视觉通路受阻人群提供了一种新的与外界沟通的方式，听觉刺激的脑机接口主要面向晚期肌萎缩性侧索硬化症患者以及视觉通路受阻人群。听觉诱发电位信号的研究难度较视觉诱发电位信号来说要大，听觉诱发电位信号很微弱，...
【技术保护点】
1.一种空间听觉诱发P300脑电信号识别方法，其特征在于，包括：对采集到的P300脑电信号进行预处理，得到原始信号；所述原始信号通过EMD算法得到多个IMF分量，通过计算IMF分量归一化自相关函数方差，得到去噪脑电信号；将所述去噪脑电信号输入卷积神经网络的卷积层，得到所述去噪脑电信号的空间特征；将所述卷积层得到的所述空间特征聚集形成全局特征输入到所述卷积神经网络的全连接层，由所述卷积神经网络的输出层输出分类准确率。
【技术特征摘要】
1.一种空间听觉诱发P300脑电信号识别方法，其特征在于，包括：对采集到的P300脑电信号进行预处理，得到原始信号；所述原始信号通过EMD算法得到多个IMF分量，通过计算IMF分量归一化自相关函数方差，得到去噪脑电信号；将所述去噪脑电信号输入卷积神经网络的卷积层，得到所述去噪脑电信号的空间特征；将所述卷积层得到的所述空间特征聚集形成全局特征输入到所述卷积神经网络的全连接层，由所述卷积神经网络的输出层输出分类准确率。2.如权利要求1所述的方法，其特征在于，所述EMD算法通过下列公式确定：其中，S(t)为原始信号，rn(t)表示残余信号，ci(t)表示IMF分量，p为正整数；所述IMF分量归一化自相关函数函数通过下列公式确定：Ri(τ)＝E[ci(t)ci(t+τ)]ρi(τ)＝Ri(τ)/Ri(0)其中，ci(t)表示第i个IMF分量。3.如权利要求1所述的方法，其特征在于，所述将所述去噪脑电信号输入卷积神经网络的卷积层，得到所述去噪脑电信号的空间特征，具体包括：第一个卷积层的卷积核的大小为3*11，特征图个数为8；第二个卷积层的卷积核大小为3*11，特征图的个数为16；第三个卷积层的卷积核大小为3*11，特征图的个数为32；第四个卷积层的卷积核大小为2*11，特征图个数为64；所述卷积层通过下列公式表示：每个所述卷积层的激活函数为ReLU；其中，表示第l层输出的特征图m的激活值，表示卷积函数，*表示卷积，是偏置量。4.如权利要求1所述的方法，其特征在于，所述全连接层通过下列公式表示：所述全连接层的激活函数为sigmoid；所述由所述卷积神经网络的输出层输出分类准确率，包括：采用交叉熵作为损失函数，所述损失函数通过下列公式表示：其中，n为当前神经元个数，l为当前层数，为该层神经元j与前一层神经元i的连接强度，b(I)为该层神经元j的偏置，f为激活函数，m组数据，(x(i),y(i))表示第i组数据及其对应的类别标记，输入数据y(i)表示第i个样本对应网络的输出标签，模型参数θ＝(θ0,θ1,θ2,...θP)T。5.如权利要求1所述的方法，其特征在于，所述对采集到的P300脑电信号进行预处理之前，还包括：通过三音oddball范式采集Fz、Cz、Pz、Oz、C3、C4、P3和P4导联的脑电信...
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。