【技术实现步骤摘要】
本专利技术涉及运动想象脑电信号分类的，尤其是指一种基于多尺度卷积和自注意力的运动想象脑电信号分类方法。
技术介绍
1、脑机接口(bci)构建了大脑与计算机之间的连接通道，是一种将大脑产生的生理信号进行处理并转换成控制外围设备命令的系统，可以替代、恢复和增强人体的部分功能。运动想象脑机接口(mi-bci)技术通过解码大脑信号，来识别人体的运动想象类别，进而控制外周设备执行对应的动作，能够为身体活动不便的人群带来实质性的帮助。脑电信号的解码工作是实现脑机接口的关键技术之一。目前，针对运动想象的脑电信号分类方法已经得到了长足发展，并且在大量的运动想象脑机接口系统中得到了应用，但传统方法的分类精度仍然存在较大的提高空间，这也限制了运动想象脑机接口的实际应用进程。
2、脑电信号具有维度高、信噪比低等特点，传统的机器学习方法不能直接处理高维度的原始脑电，无法实现端到端的解码，需要提取手工特征，这一过程通常比较复杂且容易出现信息丢失的情况。其次，传统的深度学习方法存在模型结构复杂、参数量大和容易过拟合等问题，而现有的脑电数据集的数据量通常...
【技术保护点】
1.基于多尺度卷积和自注意力的运动想象脑电信号分类方法，其特征在于，设计了一个由多尺度残差卷积模块、空间卷积模块、平均池化层、自注意力模块和全连接层组成的分类模型，用于实现对运动想象脑电信号的正确解码，包括以下步骤：
2.根据权利要求1所述的基于多尺度卷积和自注意力的运动想象脑电信号分类方法，其特征在于，在步骤S1中，对于初步采集的单个原始运动想象脑电信号样本，表示为样本对应的标签为y∈{1,2,...,Nc}，其中代表实数集合，C代表脑电信号的通道总数，Ts代表数据的时间采样点，Nc代表类别总数；使用Z-score标准化方法对原始运动想象脑电信号进行处理...
【技术特征摘要】
1.基于多尺度卷积和自注意力的运动想象脑电信号分类方法，其特征在于，设计了一个由多尺度残差卷积模块、空间卷积模块、平均池化层、自注意力模块和全连接层组成的分类模型，用于实现对运动想象脑电信号的正确解码，包括以下步骤：
2.根据权利要求1所述的基于多尺度卷积和自注意力的运动想象脑电信号分类方法，其特征在于，在步骤s1中，对于初步采集的单个原始运动想象脑电信号样本，表示为样本对应的标签为y∈{1,2,...,nc}，其中代表实数集合，c代表脑电信号的通道总数，ts代表数据的时间采样点，nc代表类别总数；使用z-score标准化方法对原始运动想象脑电信号进行处理，得到标准化后的脑电信号同时，使用时间域脑电信号数据增强方法，增加可训练脑电信号的样本数量，将来自同一类别标签的脑电信号划分为ns个片段，之后随机地从训练样本中选择不同...
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。