【技术实现步骤摘要】
本专利技术涉及脑电信号识别，具体涉及一种基于局部升阶全局学习策略的脑电信号识别方法。
技术介绍
1、脑机接口是一种可以将人类大脑信息和计算机信号相互转化并直接通信的先进技术。现有多种信号源和信号模式用于评测分析脑信号，其中eeg是一个使用广泛的非侵入式且具有高时间分辨率的信号。
2、近年来，深度学习方法在疲劳检测、情绪识别、运动想象任务等工作中表现出更加优异的性能相比于传统的机器学习。先前的研究多数是将人工提取的脑电特征，如功率谱密度、微分熵直接输入到分类器中分类。随着深度学习的发展，卷积神经网络和循环神经网络在eeg中提取特征变得更加高效和可靠，并在空间和时间信息上有了进一步的探索。后来，图神经网络的提出通过电极通道的空间拓扑结构可以探索到更多的空域信息，进一步学习到局部和全局的空间特征信息。有基于运动想象分类的研究提出了一种基于cnn和lstm网络的混合深度网络同时提取和学习mi信号的空间和时间特征，取得了较好的效果。
3、最近，基于心理学和生物学先验知识结合图网络的学习策略在解码大脑功能动态变化和生理心理状...
【技术保护点】
1.一种基于局部升阶全局学习策略的脑电信号识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于局部升阶全局学习策略的脑电信号识别方法，其特征在于，利用局部特征提取模块提取待识别脑电信号的通道间特征相关的成对关系，得到各个脑功能区的局部特征信息，具体包括以下步骤：
3.根据权利要求1所述的一种基于局部升阶全局学习策略的脑电信号识别方法，其特征在于，利用K阶有向动态升阶学习模块将所有两两脑功能区进行特征融合，并提取两两脑功能区之间的一阶隐藏特征，得到一阶联合脑功能区特征图，具体包括以下步骤：
4.根据权利要求3所述的一...
【技术特征摘要】
1.一种基于局部升阶全局学习策略的脑电信号识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于局部升阶全局学习策略的脑电信号识别方法，其特征在于，利用局部特征提取模块提取待识别脑电信号的通道间特征相关的成对关系，得到各个脑功能区的局部特征信息，具体包括以下步骤：
3.根据权利要求1所述的一种基于局部升阶全局学习策略的脑电信号识别方法，其特征在于，利用k阶有向动态升阶学习模块将所有两两脑功能区进行特征融合，并提取两两脑功能区之间的一阶隐藏特征，得到一阶联合脑功能区特征图，具体包括以下步骤：
4.根据权利要求3所述的一种基于局部升阶全局学习策略的脑电信号识别方法，其特征在于，对脑区特征图进行奇异值分解，提取两两脑功能区之间的一阶隐藏特征，得到一阶联合脑功能区特征图，具体包括以下步骤：
5.根据权利要求1所述的一种基于局部升阶全局学习策略的脑电信号识别方法，其特征在于，计算脑功能区内部连通性强弱的相关性分数，将场景状态下的最高活跃一阶联合脑区作为基础脑功能区，逐步融合剩余脑功能区，得到全局脑功能区特征图，具体包括以下步...
【专利技术属性】
技术研发人员：丁新民，许敏鹏，明东，刘万利，王坤，肖晓琳，黄永志，张皓凯，杜思诗，冯一，刘建，
申请(专利权)人：天津大学，
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。