一种基于制造技术

本发明专利技术请求保护一种基于

【技术实现步骤摘要】
一种基于Transformer的多特征融合运动想象脑电信号分类方法


[0001]本专利技术属于脑电信号处理与模式识别领域，特别是基于
Transformer
的多特征融合运动想象脑电信号分类方法
。

技术介绍

[0002]脑机接口是一种联系人与外界环境的独立于人脑神经通路和肌肉的信息交流通道
。
它的主要信号是由脑神经活动产生的脑电波组成的生物电信号
。
在生物医学领域，记录脑电信号的神经成像方式主要包括皮质电图
(electrocorticography,EcoG)
，脑磁图
(magnetoencephalography,MEG)
，脑电图
(electroencephalography,EEG)
等
。
脑电图因其获取简单，耗时较短，采集成本低而备受青睐
。
脑电信号的采集方法主要分为三种：有创，部分有创，无创
。
[0003]人类的运动普遍与脑电图信号中的
μ
节律...

【技术保护点】

【技术特征摘要】
1.
一种基于
Transformer
的多特征融合运动想象脑电信号分类方法，其特征在于，包括以下步骤：
S1
，对原始脑电信号进行预处理得到便于处理的脑电信号，预处理包括数据增强
、
滤波和去伪迹处理；
S2
，将经过步骤
S1
预处理后得到的脑电信号输入时频特征提取网络，利用小波变换对脑电信号进行处理，然后将处理后的数据输入时频
CNN
网络进行时频域特征提取；
S3
，进行步骤
S2
的同时，将经过步骤
S1
预处理后得到的脑电信号输入时空特征提取网络，利用时空
CNN
卷积，对脑电信号进行时空特征提取；
S4
，利用并行
Transformer
对步骤
S2
和
S3
的输出信号特征进行多特征的融合和和权重调配，最后由
softmax
函数进行运动想象分类
。2.
根据权利要求1所述一种基于
Transformer
的多特征融合运动想象脑电信号分类方法，其特征在于：步骤
S1
所述预处理具体包括：用巴特沃斯3阶滤波器对数据进行滤波，只截取5‑
35Hz
的频段，将滤波完成的数据进行独立主成分分析，去除脑电信号中的眼电，肌电，最后将脑电信号进行数据增强，以3秒为窗口，以
0.1
秒为间隔，对脑电信号进行滑动截取，一共滑动
10
次，便截取了
10
个脑电信号，将这些脑电信号看作是不同的受试者样本
。3.
根据权利要求1所述一种基于
Transformer
的多特征融合运动想象脑电信号分类方法，其特征在于：步骤
S2
所述小波变换的公式如下：
f(t)
是待分析的信号，
t
是时间
,
小波变换的结果为
WT(
α
,
τ
)
，
α
代表小波变换的尺度因子，
τ
代表小波变换的平移量，
ψ
为小波变换函数
。4.
根据权利要求3所述一种基于
Transformer
的多特征融合运动想象脑电信号分类方法，其特征在于：步骤
S2
所述时频特征提取网络包括二维卷积层
、
归一化层和线性整流单元，重组层，最大池化层包括位置编码层；将二维脑电信号经过小波变换，大小调整为
22
×
100
×
750
作为后续网络的输入，第一层卷积核大小为
100
×
10
，步长为1×
10
，输入
22
个通道，输出
220
个通道；第二层重组卷积层，输入
220
个通道，大小为1×
75
，输出
22
个通道，大小为
10
×
75
；最大池化层卷积核大小为
10
×3，步长为1×3，输入
22
个通道，输出
22
个通道，通过位置编码层，脑电信号的数据形状并不发生改变，只是将数据与位置编码结合
。5.
根据权利要求1所述一种基于
Transformer
的多特征融合运动想象脑电信号分类方法，其特征在于：步骤
S3
所述时空特征提取网络包括二维卷积层，归一化层，线性整流单元，最大池化层和位置编码层；第一层卷积核大小为
22
×
10
，步长为1×
10
，输入...

【专利技术属性】
技术研发人员：胡章芳，何凌霄，武浩泽，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：