【技术实现步骤摘要】
一种运动想象脑电信号分类方法
[0001]本专利技术属于深度学习领域,涉及脑电信号分类技术,具体为一种基于改进的可变形卷积和自适应空间注意力机制的运动想象脑电信号分类方法
。
技术介绍
[0002]脑机接口
(Brain
‑
Computer Interface,BCI)
技术旨在建立人与计算机之间的直接通信渠道,通过分析运动想象脑电信号,实现对个体意识
、
意图以及运动的识别与控制
。
这些特定的脑电模式在个体想象运动时产生,可以被捕捉并转化为控制指令,为运动受限人群的康复
、
人机交互体验的增强以及人类脑能潜力的拓展等领域带来重要意义
。
研究运动想象脑电信号不仅有助于理解人类运动控制的神经机制,同时为脑机接口技术的演进提供了有力支撑
。
[0003]运动想象脑电信号的分类研究对于实现准确且可靠的脑机接口应用具有关键意义
。
为了提升分类准确率和性能,许多研究工作已经提出了多种方法和模型
。
传统机器学习方法,如支持向量机和
k
最近邻等,在过去的研究中被广泛应用于运动想象脑电信号分类任务
。
同时,随着深度学习在模式识别领域的迅速进展,越来越多的研究开始将深度学习方法,如卷积神经网络和残差网络,应用于运动想象脑电信号分类
。
然而,当前的分类方法仍面临一些挑战,包括特征提取不充分
、
个体差异引起的 ...
【技术保护点】
【技术特征摘要】 【专利技术属性】
1.
一种运动想象脑电信号分类方法,其特征步骤包括:对原始脑电信号数据进行预处理,并将预处理后的脑电信号数据输入至改进的残差网络模型
Resnet
‑
18
中进行训练,最终将
Resnet
‑
18
输出的特征向量映射到类别空间,并进行分类;所述改进的残差网络模型
Resnet
‑
18
的残差结构由改进的可变形卷积构建而成,且
Resnet
‑
18
的最终处理层采用自适应空间注意力机制;所述改进的可变形卷积在卷积核的中心采样点上不添加偏移量,在卷积核的周围采样点上添加偏移量;所述自适应空间注意力机制基于脑电信号特征图的空间分布情况自动调整特征的权重
。2.
根据权利要求1所述的一种运动想象脑电信号分类方法,其特征在于,所述对原始脑电信号数据进行预处理,具体步骤是:首先,将各电极通道的原始脑电信号数据各自进行小波变换,生成复数谱三维数据数组;随后,计算复数谱的功率谱,并对功率谱进行对数转换操作;在保留了时间和频率信息后,对脑电信号数据进行
CSP
处理;
CSP
处理后,获得形状为
(CSP
组件数,频率数
)
的数组,其中每个
CSP
组件都具有频率分量上的权重分布;随后,将每个
CSP
组件与原始复数谱在频率分量上进行逐元素相乘,以筛选出区分性的频率分量,并计算加权功率谱;在频率轴上堆叠所有通道的时频图,形成大的时频图,将时频图转换为
RGB
图像,并采用伪彩色映射;最终,将每个
epoch
转化为大小为
224
×
224
的热力图
。3.
根据权利要求1所述的一种运动想象脑电信号分类方法,其特征在于,所述改进的可变形卷积在卷积核的中心采样点上不添加偏移量,在卷积核的周围采样点上添加偏移量,具体为:当给定
k
个采样位置的卷积核,以
R
k
表示第
k
个采样位置预先指定的偏移量;假设
,
定义一个的3×3卷积核,去除中心采样点的偏移量,周围其他采样点预先指定的偏移量分别是
R
k
=
{(
‑
1,
‑
1),(
‑
1,0),(
技术研发人员:杜秀丽,丁晓辉,邱少明,吕亚娜,刘治国,
申请(专利权)人:大连大学,
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。