卷积神经网络训练方法、脑电信号识别方法、装置和介质制造方法及图纸

本发明专利技术公开了一种卷积神经网络训练方法、脑电信号识别方法、装置和介质，卷积神经网络训练方法包括执行多次获取过程，每次获取过程分别获取脑电信号，对脑电信号执行时域数据增强和频域数据增强，使用经过增强的脑电信号训练卷积神经网络等步骤。本发明专利技术所训练的卷积神经网络为多输入、多卷积尺度、多卷积类型的混合卷积神经网络，合理设计了多输入卷积层以及卷积核的大小，具有较高的识别准确率；训练卷积神经网络所用的训练集是基于采集所得的脑电信号进行时域数据增强和频域数据增强扩充得到的，能够提高对卷积神经网络的训练数据量，减轻过拟合现象，能够有效应对脑电信号中的噪声干扰，改善识别效果。本发明专利技术广泛应用于信号处理技术领域。

【技术实现步骤摘要】
卷积神经网络训练方法、脑电信号识别方法、装置和介质
本专利技术涉及信号处理
，尤其是一种卷积神经网络训练方法、脑电信号识别方法、装置和介质。
技术介绍
脑机接口可以将大脑活动转化为计算机控制指令，从而控制外部设备，可被广泛应用于医学和工业控制等领域。脑电信号具有无侵袭性和高时间分辨率等优点，因而用作脑电接口的信号源。将脑电信号应用在脑机接口，涉及对脑电信号的识别过程，即识别脑电信号属于哪种类型或者具有哪些特征，从而转化为计算机控制指令。脑电信号也具有非平稳、非线性和随机性等特点，即脑电信号的特征是随时间变化的，因此脑电信号容易受到噪声干扰，对脑电信号的识别不利，对脑机接口的应用也不利。
技术实现思路
针对上述至少一个技术问题，本专利技术的目的在于提供一种卷积神经网络训练方法、脑电信号识别方法、装置和介质。一方面，本专利技术实施例包括一种卷积神经网络训练方法，包括：执行多次获取过程；每次所述获取过程分别用于获取脑电信号；对所述脑电信号执行时域数据增强和频域数据增强；使用经过所述时域数据增强和频域数据增强的所述脑电信号训练所述卷积神经网络。进一步地，所述获取过程包括：通过C3、Cz和C4通道采集受试者在进行运动想象时产生的脑电信号；将所述脑电信号分类为左手运动想象脑电信号或右手运动想象脑电信号；对所述脑电信号进行分类标记；将所述脑电信号归类为训练集或测试集；所述训练集用于训练所述卷积神经网络，所述测试集用于测试所述卷积神经网络。进一步地，卷积神经网络训练方法还包括：对所述脑电信号进行异常值筛除；对所述脑电信号进行第一带通滤波。进一步地，所述时域数据增强包括：将所述脑电信号在时域上分解为数据片段；在各次所述获取过程获取的所述脑电信号之间进行所述数据片段的对换；被对换的所述数据片段具有相同的时域位置；对所述脑电信号进行第二带通滤波。进一步地，所述频域数据增强包括：对经过所述时域数据增强的所述脑电信号进行第三带通滤波；所述第三带通滤波具有多个通带，所述第三带通滤波的结果为获得所述脑电信号的频率成分；在各次所述获取过程获取的所述脑电信号之间进行所述频率成分的对换；被对换的所述频率成分具有相同的频域位置。进一步地，当所述脑电信号的强度达到预设的阈值，停止所述时域数据增强；当所有所述脑电信号均被执行过至少一次所述时域数据增强，停止所述时域数据增强。进一步地，所述卷积神经网络包括依次连接的输入层、时间卷积层、深度卷积层、第一池化层、可分离卷积层、第二池化层、全连接层和输出层；所述输入层用于接收所述脑电信号；所述时间卷积层用于从所述脑电信号中提取出时间特征信息；所述深度卷积层用于从所述脑电信号中提取出空间特征信息；所述可分离卷积层用于从所述脑电信号中提取出频率特征信息；所述第一池化层和所述第二池化层用于对所述时间特征信息、所述空间特征信息和所述频率特征信息进行压缩和简化；所述全连接层用于对所述第二池化层的输出结果进行融合；所述输出层用于根据所述全连接层的融合结果进行分类输出。另一方面，本专利技术实施例还包括一种脑电信号识别方法，包括：获取待处理脑电信号；将所述待处理脑电信号输入到卷积神经网络中；所述卷积神经网络经过实施例中训练方法的训练；获取所述卷积神经网络的输出结果；所述卷积神经网络的输出结果包括所述脑电信号的类型。另一方面，本专利技术实施例还包括一种计算机装置，包括存储器和处理器，所述存储器用于存储至少一个程序，所述处理器用于加载所述至少一个程序以执行实施例所述方法。另一方面，本专利技术实施例还包括一种存储介质，其中存储有处理器可执行的指令，所述处理器可执行的指令在由处理器执行时用于执行实施例所述方法。本专利技术的有益效果是：实施例中所训练的卷积神经网络为多输入、多卷积尺度、多卷积类型的混合卷积神经网络，合理设计了多输入卷积层以及卷积核的大小，具有较高的识别准确率；训练卷积神经网络所用的训练集是基于采集所得的脑电信号进行时域数据增强和频域数据增强扩充得到的，能够提高对卷积神经网络的训练数据量，减轻过拟合现象，能够有效应对脑电信号中的噪声干扰，改善识别效果。附图说明图1为实施例中卷积神经网络训练方法的流程图；图2为实施例中刺激受试者产生脑电信号的示意图；图3为实施例中所使用的脑电信号采集仪器的电极分布示意图；图4为实施例中采集脑电信号的工作时序示意图；图5为实施例中时域数据增强的原理图；图6为实施例中频域数据增强的原理图。具体实施方式本实施例中，参照图1，卷积神经网络训练方法包括以下步骤：P1.执行多次获取过程；每次获取过程分别用于获取脑电信号；P2.对脑电信号执行时域数据增强和频域数据增强；P3.使用经过时域数据增强和频域数据增强的脑电信号训练卷积神经网络。本实施例中，执行步骤P1中的每次获取过程时，要求受试者进行某一类动作的想象，使得受试者的脑部产生脑电信号，通过包含C3、Cz和C4通道的脑电信号采集仪器采集脑电信号。本实施例中，可以要求受试者在每次获取过程中所想象的动作都是同一类型的，这样可以减少因想象的动作类型不同带来的干扰。即每执行一次获取过程，则指示受试者进行一次动作想象，进行一次脑电信号的采集，在执行多次获取过程后可以获得多个脑电信号。具体地，本实施例中，步骤P1具体包括以下子步骤：P101.通过C3、Cz和C4通道采集受试者在进行运动想象时产生的脑电信号；P102.将脑电信号分类为左手运动想象脑电信号或右手运动想象脑电信号；P103.对脑电信号进行分类标记；P104.将脑电信号归类为训练集或测试集；所述训练集用于训练所述卷积神经网络，所述测试集用于测试所述卷积神经网络。本实施例中，可以在每次获取过程中都执行步骤P101-P104。本实施例中，执行步骤P101时，使用如图2所示的显示设备向受试者展示图像与声音提示、左手想象运动提示和右手想象运动提示，以刺激受试者进行运动想象产生脑电信号。本实施例中，所使用的脑电信号采集仪器的电极分布如图3所示，执行步骤P101时，使用图3中的C3、Cz和C4通道来采集脑电信号。在执行步骤P101时，参照图4，在指示受试者进行运动想象后开始计时，0-3秒为准备阶段，受试者在准备阶段做好准备；3-7秒为想象阶段，受试者在想象阶段进行运动想象；第7-8秒为空闲阶段，可由系统在空闲阶段执行步骤P102-P104，即执行步骤P1时每个获取过程的时间一共是8秒。本实施例中，通过执行步骤P102和P103，将采集到的脑电信号标记为左手运动想象脑电信号或右手运动想象脑电信号。在执行步骤P104时，通过以下方式对脑电信号进行归类：1、如果执行了n次获取过程，获得了编号本文档来自技高网...

【技术保护点】
1.一种卷积神经网络训练方法，其特征在于，包括：/n执行多次获取过程；每次所述获取过程分别用于获取脑电信号；/n对所述脑电信号执行时域数据增强和频域数据增强；/n使用经过所述时域数据增强和频域数据增强的所述脑电信号训练所述卷积神经网络。/n

【技术特征摘要】
1.一种卷积神经网络训练方法，其特征在于，包括：
执行多次获取过程；每次所述获取过程分别用于获取脑电信号；
对所述脑电信号执行时域数据增强和频域数据增强；
使用经过所述时域数据增强和频域数据增强的所述脑电信号训练所述卷积神经网络。


2.根据权利要求1所述的卷积神经网络训练方法，其特征在于，所述获取过程包括：
通过C3、Cz和C4通道采集受试者在进行运动想象时产生的脑电信号；
将所述脑电信号分类为左手运动想象脑电信号或右手运动想象脑电信号；
对所述脑电信号进行分类标记；
将所述脑电信号归类为训练集或测试集；所述训练集用于训练所述卷积神经网络，所述测试集用于测试所述卷积神经网络。


3.根据权利要求1所述的卷积神经网络训练方法，其特征在于，还包括：
对所述脑电信号进行异常值筛除；
对所述脑电信号进行第一带通滤波。


4.根据权利要求1-3任一项所述的卷积神经网络训练方法，其特征在于，所述时域数据增强包括：
将所述脑电信号在时域上分解为数据片段；
在各次所述获取过程获取的所述脑电信号之间进行所述数据片段的对换；被对换的所述数据片段具有相同的时域位置；
对所述脑电信号进行第二带通滤波。


5.根据权利要求4所述的卷积神经网络训练方法，其特征在于，所述频域数据增强包括：
对经过所述时域数据增强的所述脑电信号进行第三带通滤波；所述第三带通滤波具有多个通带，所述第三带通滤波的结果为获得所述脑电信号的频率成分；
在各次所述获取过程获取的所述脑电信号之间进行所述频率成分的对换；被对换的所述频率成分具有相同的频域位置。

【专利技术属性】
技术研发人员：王力，黄伟键，刘彦俊，颜振雄，王友康，
申请(专利权)人：广州大学，
类型：发明
国别省市：广东;44