本发明专利技术公开了一种基于相位保持网络的连续快速视觉演示脑电信号分类方法，主要解决现有技术检测准确率低，难以实现用户完成目标检测的问题。其实现方案是：采集连续快速视觉演示脑电数据，并对其进行预处理；使用预处理后的脑电数据制作数据集；构建相位保持网络，并使用训练集和验证集训练相位保持网络，使用测试集测试相位保持网络，使用被试者的脑电数据微调测试后的相位保持网络，得到适合被试者进行在线实验的最终相位保持网络；实时获取被试者的在线连续快速视觉演示脑电信号，送入最终的相位保持网络，得到实时分类结果。本发明专利技术提高了对连续快速视觉演示脑电信号的分类准确率，可用于目标检测，帮助图片侦察人员对大量图片进行有效的分类。图片进行有效的分类。图片进行有效的分类。
【技术实现步骤摘要】
基于相位保持网络的连续快速视觉演示脑电信号分类方法
[0001]本专利技术属于信号处理
，特别涉及一种脑电信号的分类方法，可用于目标检测。
技术介绍
[0002]随着社会信息技术的不断进步，导致信息超载问题日益严重。由于图片和视频数据存储库正在以指数级别的速度增长，这些数据存储库的规模、多样性以及“感兴趣目标”的潜在稀疏性给目标的有效检索带来了困难。连续快速视觉演示RSVP是在近年来脑机接口BCI技术不断发展的环境下，结合人类视觉系统与大脑皮层的事件相关电位ERP而衍生出的一种BCI范式，常用于帮助专业人员，如卫星图片侦察人员对大量图片进行有效的分类。
[0003]连续快速视觉演示脑电信号分类主要包括传统的共空间模式CSP方法和卷积神经网络方法。CSP的主要思路是结合类别信息有监督地分解多组信号的协方差矩阵，找出最佳空间投影方向对输入信号进行差异化投影，将投影过信号的归一化方差作为特征向量输入到分类器。由于CSP基本忽略了信号的视频特性，只关注相对的空间特性而忽略频谱特征，因而导致CSP方法容易受到噪声和脑电信号的非平稳性影响。
[0004]随着深度学习的发展，基于神经网络的连续快速视觉演示脑电信号分类方法也被提出。卷积神经网路是对输入的网络数据进行滑动卷积操作，单次滑动过程中使用相同的卷积核。卷积操作完成特征提取后，将特征送入全连接层实现分类。其中具有代表性的有Schirrmeister等人在"Deep learning with convolutional neural networks for EEG decoding and visualization."一文中提出的ShallowNet，以及Lawhern Vernon等人在"EEGNet:a compact convolutional neural network for EEG
‑
based brain
‑
computer interfaces."一文中提出的EEGNet等深度学习方法。这两种方法均采用时域卷积和空间卷积，由卷积操作得到特征后，经过加工单元处理再送入卷积分类器实现分类。由于已有的神经网络方法没有在滤波器的设计和神经网络结构设计方面考虑时域中的相位信息，导致无法充分提取脑电信号特征，影响最终分类结果。
技术实现思路
[0005]本专利技术的目的在于针对上述传统方法和已有深度学习方法的不足，提出一种基于相位保持网络的连续快速视觉演示脑电信号分类方法，以保持脑电信号的相位信息，提升连续快速视觉演示脑电信号的分类效果。
[0006]本专利技术的技术方案是这样实现的：
[0007]一.技术原理
[0008]神经科学的研究已经证明了由罕见刺激诱发的事件相关电位ERP信号的锁相特性，通过相位保持网络来学习相位信息，可以改善连续快速视觉演示脑电信号的分类效果。这种相位信息从滤波器设计和神经网络结构设计两个角度来研究，通过零相位滤波可以实现在滤波器设计角度的相位保持，通过拓展的时域卷积可以确保在神经网络结构设计角度
的相位信息。
[0009]二.实现方案
[0010]根据上述原理，本专利技术的技术思路是：对多通道脑电信号做预处理，利用相位保持神经网络完成对脑电信号的识别，其实现方案如下：
[0011](1)采集多名被试者脑电信号，获得训练集、验证集和测试集：
[0012]多名被试者佩戴电极帽，通过预备、观看、间歇、等待四种状态完成连续快速视觉演示实验，在连续快速视觉演示过程中，通过电极帽上的电极采集被试者的脑电信号；
[0013]将采集的多名被试者脑电信号合成一个数据集，对这个数据集依次进行数据段选取、零相位滤波、降采样、归一化处理后，得到预处理后的脑电信号，
[0014]将预处理后的脑电信号按照7:1.5:1.5的比例分为训练集、验证集和测试集；
[0015](2)构建相位保持网络：
[0016]建立由多个扩展时间卷积层级联成的时间动态提取单元，以通过膨胀卷积维护脑电信号在时间维度上的排列，保持脑电信号中的相位信息，提取脑电信号的时间维度的特征；
[0017]将时间动态提取单元与浅层卷积网络中的通道相关性提取单元、分类单元依次相连，构成相位保持网络；
[0018](3)使用训练集通过梯度下降法对相位保持网络进行迭代训练，并使用验证集对每次的训练结果进行检验，得到训练后的相位保持网络；
[0019](4)网络测试：
[0020]使用测试集对训练后的相位保持网络进行测试，得到一个在离线数据集上表现良好的测试后相位保持网络；
[0021](5)网络微调：
[0022]对上述多名被试者，分别单独使用每一名被试者的脑电信号对测试后相位保持网络进行微调，得到适合每一名被试者在线实验的理想相位保持网络；
[0023](6)在线实时检测：
[0024]再次采集上述每一名被试者的脑电信号，进行在线实时检测，即先将采集的每一名被试者脑电信号依次进行数据段选取、零相位滤波、降采样和归一化处理的预处理；再将预处理后的脑电信号送入微调后的理想相位保持网络，得到每一位被试者的脑电信号实时分类结果。
[0025]本专利技术与现有技术相比具有以下优点：
[0026]第一，本专利技术由于采用端对端的网络设计方法，因而只需对脑电信号进行简单的预处理即可输入网络进行分类。
[0027]第二，本专利技术由于时间动态提取单元采用膨胀时间卷积，能够更加充分保留脑电信号在时域的相位信息，从而提高了脑电信号的识别准确率。
[0028]第三，本专利技术由于构建了由时间动态提取单元、通道相关性提取单元、分类单元依次相连的相位保持网络结构，使得各个单元可以针对不同分类任务进行调整，具有可移植性。
附图说明
[0029]图1为本专利技术的实现流程框图。
[0030]图2为本专利技术中采集脑电信号的任务时序图。
[0031]图3为本专利技术中进行连续快速视觉演示任务的目标与非目标样图。
[0032]图4为本专利技术中构建的相位保持网络结构框图。
具体实施方式
[0033]以下结合附图对本专利技术的实施例和效果进行详细的描述。
[0034]参照图1，本实例的实施步骤包括如下：
[0035]步骤1，采集连续快速视觉演示脑电数据。
[0036]参照图2，本步骤的实现如下：
[0037](1.1)实验前准备
[0038]确定多名被试者参与连续快速视觉演示实验，所有被试者均为正常或矫正视力正常的学生。他们中没有人报告有神经系统问题或严重疾病史，以避免影响实验结果，本实例选8名被试者；
[0039]实验程序在开始前，向每位被试者清楚描述实验注意事项，所有被试者都签署了书面同意书。
[0040]被试者佩戴64脑电通道电极帽，采样率为1024Hz，并打上脑电膏使得每个电极的阻抗保持在25kΩ以下，以确保得到高质量的脑电信号。
[0本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于相位保持网络的连续快速视觉演示脑电信号分类方法，其特征在于，包括：(1)采集多名被试者脑电信号，获得训练集、验证集和测试集：多名被试者佩戴电极帽，通过预备、观看、间歇、等待四种状态完成连续快速视觉演示实验，在连续快速视觉演示过程中，通过电极帽上的电极采集被试者的脑电信号；将采集的多名被试者脑电信号合成一个数据集，对这个数据集依次进行数据段选取、零相位滤波、降采样、归一化处理后，得到预处理后的脑电信号，将预处理后的脑电信号按照7:1.5:1.5的比例分为训练集、验证集和测试集；(2)构建相位保持网络：建立由多个扩展时间卷积层级联成的时间动态提取单元，以通过膨胀卷积维护脑电信号在时间维度上的排列，保持脑电信号中的相位信息，提取脑电信号的时间维度的特征；将时间动态提取单元与浅层卷积网络中的通道相关性提取单元、分类单元依次相连，构成相位保持网络；(3)使用训练集通过梯度下降法对相位保持网络进行迭代训练，并使用验证集对每次的训练结果进行检验，得到训练后的相位保持网络；(4)网络测试：使用测试集对训练后的相位保持网络进行测试，得到一个在离线数据集上表现良好的测试后相位保持网络；(5)网络微调：对上述多名被试者，分别单独使用每一名被试者的脑电信号对测试后相位保持网络进行微调，得到适合每一名被试者在线实验的理想相位保持网络；(6)在线实时检测：再次采集上述每一名被试者的脑电信号，进行在线实时检测，即先将采集的每一名被试者脑电信号依次进行数据段选取、零相位滤波、降采样和归一化处理的预处理；再将预处理后的脑电信号送入微调后的理想相位保持网络，得到每一位被试者的脑电信号实时分类结果。2.根据权利要求1所述的方法，其特征在于，(1)中多名被试者佩戴电极帽，通过预备、观看、间歇、等待四种状态完成连续快速视觉演示实验，其实现如下：实验开始后，被试者进入预备状态，显示器中央会出现十字准星以提示被试者集中注意力，2秒后进入图片序列的播放；被试者进入观看状态后，50幅分辨率相同的图像以5Hz的频率连续出现在屏幕中央；完成观看状态后，被试者进入间歇状态，屏幕显示全黑2秒，被试者调整自身状态，以进入下一次观看的预备状态；完成10次观看之后，被试者进入等待状态，4秒后进入下一次实验；循环往复30次。3.根据权利要求1所述的方法，其特征在于，(1)中对采集的数据集依次进行数据段选取、零相位滤波、降采样、归一化处理，实现如下：数据段选取，是在采集的脑电信号中选取[0s，1...
【专利技术属性】
技术研发人员：李甫，王冲，楚文龙，李鸿鑫，吴昊，李阳，牛毅，石光明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
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。