基于多段信号随机重组与交互式双向RNN的EEG信号分类方法技术

本发明专利技术公开了一种基于多段信号随机重组与交互式双向RNN的EEG信号分类方法，首先对采集到的原始脑电数据进行分割，然后依次对每种类别的信号随机切片，并使其长度保持在原来的70％至90％，随后再将多种任务的片段重新组合在一起，这个处理过程叫做“多段信号随机切片重组(McRFS)”；在每次迭代中，模型的全连接层用于提取被激活的大脑区域，从而降低复杂数据的维度；具有随机长度且源自随机位置的片段被馈送到IBiRNN网络中，进一步融合前向和后向特征；最终使用Softmax层对特征进行激活得到分类结果，实现不同大脑状态的区分。本发明专利技术能有效提高脑电信号分类性能，一定程度上解决了区分大脑状态任务。分大脑状态任务。分大脑状态任务。

【技术实现步骤摘要】
基于多段信号随机重组与交互式双向RNN的EEG信号分类方法


[0001]本专利技术属于信号处理
，具体涉及一种基于多段信号随机重组与交互式双向RNN的EEG信号分类方法；

技术介绍

[0002]脑电图(Electroencephalography，EEG)因其非侵入性和低成本的特点被广泛应用于脑机接口和神经科学技术等领域。其中，区分大脑状态是理解大脑工作机制的一个重要课题，基于此，脑机系统能够捕捉到更有价值的特征，从而实现更加精准的识别或控制。为了完成这一目标，研究人员设计并提出了许多模型和方法，主要包括机器学习和深度学习算法。在现有的工作中，基于循环神经网络(recurrent neural network，RNN)的算法凭借其对时间序列的敏感性和高效的学习能力，被广泛用于大脑状态的分类研究。然而，目前的分类性能还有很大进步空间，仍有一些问题阻碍着研究人员理解大脑的工作机制。一方面基于RNN的算法很少结合脑电信号的特点对神经网络的体系结构进行改进，另一方面如何对原始脑电信号切片和组合也是影响模型性能的重要因素。越来越多的工作表明，相比用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多段信号随机重组与交互式双向RNN的EEG信号分类方法，其特征在于，包括如下步骤：步骤1：脑电信号预处理；针对每个受试者进行数据预处理，每个受试者包含多个类型的任务；去除脑电数据集中原始脑电信号中被噪声污染的数据，并对其余数据进行转置和预处理，得到单个受试者的每种类型任务的信号矩阵；然后，再将信号矩阵分割成多个数据段；将每个受试者的所有类型任务的数据段从时间维度上进行拼接构成拼接数据段，再随机选取大部分拼接数据段作为训练集，其余少部分拼接数据段作为测试集；步骤2：多片段信号随机切片重组；对训练集中的每个拼接数据段依次从每种类型任务所对应片段的随机位置进行随机长度切片，使其长度保持在原始序列长度的70％
‑
90％；随后再将每个拼接数据段切片后的数据片段重新组合在一起成为新的数据段；步骤3：使用交互式双向RNN构建脑电信号分类模型；步骤3
‑
1：定义一组输入到循环层的信号序列{x1,
…
,x
m
}，在每个时间点t的输出计算公式为：h
t
＝tanh(Uh
t
‑1+Wx
t
+b)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)其中，U，W分别表示隐藏层和输入特征的权重矩阵，b为偏置项，h
t
表示t时刻的隐层状态，t＝1,
…
,m；步骤3
‑
2：对步骤2得到的新的数据段，首先经过两层GRU循环层，分别记为F1和F2，GRU的第一层隐藏状态定义如下：其中
⊙
表示矩阵按元素相乘，z
t
是更新门激活，r
t
是重置门激活，σ为sigmoid函数；h
t
‑1表示t
‑
1时刻的隐藏层状态，表示候选隐藏层状态，U
z
,U
r
,U

【专利技术属性】
技术研发人员：张枢，史恩泽，赵世杰，喻四刚，王若洋，王嘉琪，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：