一种镜卷积神经网络模型及运动想象脑电识别算法制造技术

本发明专利技术公开的一种镜卷积神经网络模型，由源模型与镜像模型共同构成了镜卷积神经网络模型；通过源脑电信号左右脑半球的脑电通道互换构造镜像脑电信号并用于运动想象识别CNN模型训练，训练好的运动想象分类CNN模型被称为源模型；镜像模型为复制所述已训练源模型形成的镜像运动想象分类模型。本发明专利技术还公开了一种基于镜卷积神经网络模型的运动想象脑电识别算法。该算法解决了现有技术中因训练数据有限、受试者间差异显著而导致分类性能过低的问题。

【技术实现步骤摘要】
一种镜卷积神经网络模型及运动想象脑电识别算法
本专利技术属于脑机接口
，具体涉及一种镜卷积神经网络模型，还涉及基于该镜卷积神经网络模型的运动想象脑电识别算法。
技术介绍
脑电信号(Electroencephalogram,EEG)是一种简单、灵活、无创的大脑监测方法，基于脑电信号的运动想象(MotorImagery)识别是决定运动想象脑机接口(BrainComputerInterface,BCI)系统性能的关键技术。运动想象脑机接口需要在受试者执行特定的运动想象任务时收集其脑电信号，根据脑电信号识别运动想象内容，然后将识别结果转换为命令以控制外围设备。脑电信号具有低信噪比和低空间分辨率的特点，因此，从脑电图中提取有效判别特征是运动想象识别系统成功的关键。基于在运动想象识别中应用的特征，现有方法主要分为三类：基于频谱特征的方法，基于共空间模式(CommonSpatialPattern,CSP)的方法和基于神经网络的方法。随着深度学习的飞速发展，许多基于卷积神经网络(ConvolutionNeuralNetwork,CNN)的运动想象本文档来自技高网...

【技术保护点】
1.一种镜卷积神经网络模型，其特征在于，由源模型与镜像模型共同构成了镜卷积神经网络模型；/n通过源脑电信号左右脑半球的脑电通道互换构造镜像脑电信号并用于运动想象识别CNN模型训练，训练好的运动想象分类CNN模型被称为源模型；镜像模型为复制所述已训练源模型形成的镜像运动想象分类模型。/n

【技术特征摘要】
1.一种镜卷积神经网络模型，其特征在于，由源模型与镜像模型共同构成了镜卷积神经网络模型；
通过源脑电信号左右脑半球的脑电通道互换构造镜像脑电信号并用于运动想象识别CNN模型训练，训练好的运动想象分类CNN模型被称为源模型；镜像模型为复制所述已训练源模型形成的镜像运动想象分类模型。


2.根据权利要求1所述的一种镜卷积神经网络模型，其特征在于，源脑电信号为：采集自出现运动想象提示之前的0.5秒到之后的4秒的4.5秒的脑电信号段，分别用4-38Hz或0-38Hz两种带通滤波器对脑电信号进行滤波，再使用移动指数平均方法去除信号噪点而获得。


3.根据权利要求1所述的一种镜卷积神经网络模型，其特征在于，镜像脑电信号是通过源脑电信号左右脑半球的脑电通道互换得到的。


4.一种基于镜卷积神经网络模型的运动想象脑电识别算法，其特征在于，具体包括以下步骤：
步骤1、训练阶段
通过源脑电信号左右脑半...

【专利技术属性】
技术研发人员：罗靖，刘光明，王耀杰，弓一婧，高帆，
申请(专利权)人：西安理工大学，
类型：发明
国别省市：陕西;61