一种广义零样本脑机接口信号分类方法技术

本发明专利技术公开了一种广义零样本脑机接口信号分类方法，包括：1获取可见类的原始脑电信号和对应标签，对脑电信号进行预处理，作为训练数据；2搭建广义零样本脑机接口信号分类模型；3设计损失函数，建立分类优化目标；4使用所有采样时间的可见类的训练数据对模型进行训练；5获取最佳采样窗口；6取最佳采样时间的训练数据，采用梯度下降法优化网络；7将无标签的最佳采样窗口的测试脑电信号输入模型，依策略得到分类结果。本发明专利技术为基于稳态视觉诱发电位的脑机接口提供了一种轻量级的解决方案，能同时提高分类准确率和信息传输率。

【技术实现步骤摘要】

本专利技术涉及脑电信号分类及脑机接口，尤其涉及一种使用广义零样本脑机接口信号分类方法。

技术介绍

1、脑机接口(brain-computer interfaces，bcis)可以在不需要用户进行肌肉运动的情况下实现对外部设备的控制。其中基于稳态视觉诱发电位(steady-state visualevoked potential，ssvep)的bci具有无需手术植入、操作简单等优点受到广泛关注。当使用者注视以固定频率闪烁的光刺激时，其脑电图(electroencephalogram，eeg)中将产生与闪烁相关的波形。通过使用不同频率的闪烁编码多个目标，并获取使用者的eeg，可以通过分类算法得出使用者注视的目标，实现指令操作。该技术不仅可以辅助残疾人康复，也可以扩展使用者的身体机能。

2、目前，实现ssvep分类的算法可以分为无训练算法和有训练算法两类。其中无训练算法首先计算eeg的频谱、eeg与刺激亮度调制函数的相关系数等特征，之后依据频谱峰值、相关系数最大值等进行分类。然而这些算法的分类准确率较低，需要更长时间的闪烁刺激。传统的有训练方法首先进本文档来自技高网...

【技术保护点】

1.一种广义零样本脑机接口信号分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的广义零样本脑机接口信号分类方法，其特征在于，所述步骤5中的广义零样本脑机接口信号分类模型包括：正弦模板投影模块、类别模板投影模块、K投影模块和V投影模块、注意力计算和特征点积操作模块、通道卷积和矢量点积操作模块；

3.根据权利要求2所述的广义零样本脑机接口信号分类方法，其特征在于，所述投影操作是利用若干个投影单元完成，每个投影单元包括：一维卷积层、权重归一化层、延时裁剪层、激活层、随机失活层；

4.根据权利要求1所述的广义零样本脑机接口信号分类方法，其特征在于，...

【技术特征摘要】

1.一种广义零样本脑机接口信号分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的广义零样本脑机接口信号分类方法，其特征在于，所述步骤5中的广义零样本脑机接口信号分类模型包括：正弦模板投影模块、类别模板投影模块、k投影模块和v投影模块、注意力计算和特征点积操作模块、通道卷积和矢量点积操作模块；

3.根据权利要求2所述的广义零样本脑机接口信号分类方法，其特征在于，所述投影操作是利用若干个投影单元完成，每个投影单元包括：一维卷积层、权重归一化层、延时裁剪层、激活层、随机失活层；

4.根据权利要求1所述的广义零样本脑机接口信号分类方法，其特征在于，所述步骤7包括：

5.根据权利要求1所述的广义零样本脑机接口信号分类方法，其特征在于，所述步骤8中是利用式(6)...

【专利技术属性】
技术研发人员：陈勋，王谢天，刘爱萍，崔恒，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：