鲁棒性脑电信号的生成方法及装置制造方法及图纸

本发明专利技术提出了一种鲁棒性脑电信号的生成方法及装置。方法包括：步骤Y，获取脑电信号；步骤X，对所述脑电信号进行噪声分离处理，获取去噪后脑电信号和噪声信号；步骤U，将去噪后脑电信号和噪声信号输入生成对抗网络，生成模拟脑电信号并输出；结合定量评估方法和定性评估方法对获取的所述模拟脑电信号进行质量分析。本发明专利技术采用WGAN

【技术实现步骤摘要】
鲁棒性脑电信号的生成方法及装置


[0001]本专利技术涉及机器学习
，尤其涉及一种鲁棒性脑电信号的生成方法及装置。

技术介绍

[0002]脑电信号(Electroencephalogram，EEG)作为一种包含大量人体信息的多通道生理信号，已成为脑科学研究中的重要数据。近年来，使用深度学习模型对EEG进行特征提取已成为研究EEG的重要手段。这类技术通常需要训练大量的数据来构建鲁棒模型。但是，由于枯燥的EEG采集过程以及采集环境中的噪声影响，导致数据中存在部分干扰信号，得到满足训练模型所需的数据集是极其困难的。因此，基于少量EEG样本生成鲁棒性的EEG并应用到深度学习研究工作中，对脑科学的发展具有重要意义。
[0003]生成对抗网络(Generative Adversarial Networks，GAN)已经作为一种小样本处理的主流神经网络框架应用于各种领域(图像、音频等)。由于传统GAN主要以全连接层(Fully Connected，FC)搭建，而FC无法捕捉时序信号的特征和相关属性之间的复杂关联，导致模型在处理EEG时容易丢失时间相关性信息。
[0004]此外，GAN的评估仍然以定性评估方法和一些可靠性较差的定量评估方法为主。定性评估方法存在人为主观性的影响，且消耗大量的人力，在一些不具有显性特征的样本中，无法使用人工评估对生成样本做出评价。
[0005]目前定量的评估方法能够从清晰度、相似性、准确度等方面对GAN做出评估。从清晰度考虑，目前已有的表征方法：Inception Score(IS)(S.T.Barratt and R.Sharma,A note on the inception score,CoRR,vol.abs/1801.01973,2018.)和Fr
é
chet Inception Distance(FID)(S.Hochreiter,The vanishing gradient problem during learning recurrent neural nets and problem solutions,in Proc.International Journal of Uncertainty,Fuzziness and Knowledge
‑
Based Systems,1998,vol.6,no.2,pp.107
‑
116.)；从相似性角度来说，Wasserstein Distance(WD)(F.Otto and M.Westdickenberg,Eulerian calculus for the contraction in the wasserstein distance,SIAM J.Math.Analysis(PAMI),2005,vol.37,no.4,pp.1227
‑
1255.)、Euclidean Distance(ED)(L.Wang,Y.Zhang,and J.Feng,On the euclidean distance of images,in Proc.IEEE Trans.Pattern Analysis and Machine Intelligence,2005,vol.27,no.8,pp.1334
‑
1339.)和Kernel Maximum Mean Discrepancy(MMD)[26]等从样本分布距离差异对比样本间的相似程度；从准确性的角度，1
‑
Nearest Neighbor accuracy(M.Govindarajan and R.M.Chandrasekaran,Evaluation of k
‑
nearest neighbor classifier performance for direct marketing,in Proc.Expert Syst.Appl.,2010,vol.37,no.1,pp.253
‑
258.)基于分类器确定生成样本的准确性。
[0006]然而，这些方法只能从生成样本的评估结果中衡量GAN的性能，无法鉴定出生成过程中是否存在模式崩溃以及过拟合等问题。目前，还不存在一种合理的评估方法能够有效
地评估GAN的性能。针对于EEG等无法通过人工评估的数据，增加了评估的难度。
[0007]综上所述，构建稳定的生成对抗网络以及设计合理的评估方法是生成鲁棒性的EEG信号方法中亟待解决的关键性问题。

技术实现思路

[0008]本专利技术要解决的技术问题是如何进行高质量EEG信号的生成和评估，本专利技术提出一种鲁棒性脑电信号的生成方法及装置。
[0009]根据本专利技术实施例的鲁棒性脑电信号的生成方法，包括：
[0010]步骤Y，获取脑电信号；
[0011]步骤X，对所述脑电信号进行噪声分离处理，获取去噪后脑电信号和噪声信号；
[0012]步骤U，将去噪后的脑电信号和所述噪声信号输入生成对抗网络，生成模拟脑电信号并输出。
[0013]根据本专利技术实施例的鲁棒性脑电信号的生成方法，采用脑电信号噪声代替高斯噪声作为生成对抗网络的输入数据，能够提高生成样本的真实性，同时，加快生成器的拟合速度，提高了模拟脑电信号的生成效率和质量。
[0014]根据本专利技术的一些实施例，所述方法还包括：
[0015]步骤A，结合定量评估方法和定性评估方法对获取的所述模拟脑电信号进行质量分析。
[0016]在本专利技术的一些实施例中，所述定性评估方法包括：
[0017]步骤A1，将获取的多段所述脑电信号进行预处理和迭加平均操作获得真实ERP波；
[0018]步骤A2，将从定量评估结果中筛选出的多段所述模拟脑电信号进行预处理和迭加平均操作获得模拟ERP波；
[0019]步骤A3，通过比较所述真实ERP波和所述模拟ERP波，对所述模拟脑电信号进行质量分析。
[0020]根据本专利技术的一些实施例，所述步骤X中，采用独立成分分析对所述脑电信号进行噪声分离处理。
[0021]在本专利技术的一些实施例中，所述步骤U中，所述生成对抗网络采用WGAN
‑
GP作为基础框架，并使用LSTM代替2DCNN搭建的框架网络。
[0022]根据本专利技术实施例的鲁棒性脑电信号的生成装置，包括：
[0023]获取模块，用于获取脑电信号；
[0024]噪声分离处理模块，用于对所述脑电信号进行噪声分离处理，获取去噪后脑电信号和噪声信号；
[0025]模拟信号生成模块，用于将去噪后的脑电信号和所述噪声信号输入生成对抗网络，生成模拟脑电信号并输出。
[0026]根据本专利技术实施例的鲁棒性脑电信号的生成装置，通过噪声分离处理模块获取脑电信号中的噪声，并采用脑电信号噪声代替高斯噪声作为生成对抗网络的输入数据，能够提高生成样本的真实性，同时，加快生成器的拟合速度，提高了模拟脑电信号的生成效本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种鲁棒性脑电信号的生成方法，其特征在于，包括：步骤Y，获取脑电信号；步骤X，对所述脑电信号进行噪声分离处理，获取去噪后脑电信号和噪声信号；步骤U，将所述去噪后的脑电信号和所述噪声信号输入生成对抗网络，生成模拟脑电信号并输出。2.根据权利要求1所述的鲁棒性脑电信号的生成方法，其特征在于，所述方法还包括：步骤A，结合定量评估方法和定性评估方法对获取的所述模拟脑电信号进行质量分析。3.根据权利要求2所述的鲁棒性脑电信号的生成方法，其特征在于，所述定性评估方法包括：步骤A1，将获取的多段所述脑电信号进行预处理和迭加平均操作获得真实ERP波；步骤A2，将从定量评估结果中筛选出的多段所述模拟脑电信号进行预处理和迭加平均操作获得模拟ERP波；步骤A3，通过比较所述真实ERP波和所述模拟ERP波，对所述模拟脑电信号进行质量分析。4.根据权利要求1所述的鲁棒性脑电信号的生成方法，其特征在于，所述步骤X中，采用独立成分分析对所述脑电信号进行噪声分离处理。5.根据权利要求1
‑
4中任一项所述的鲁棒性脑电信号的生成方法，其特征在于，所述步骤U中，所述生成对抗网络采用WGAN
‑
GP作为基础框架，并使用LSTM代替2DCNN搭建的框架网络。6.一种鲁棒性脑电信号的生成装置，其特征在于，包括：获取模块，用于获取脑电信号；噪声...

【专利技术属性】
技术研发人员：夏立坤，张达，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：