一种基于双模型时空特征融合的脑电信号辨识方法技术

本发明专利技术涉及运动想象识别技术领域，具体涉及一种基于双模型时空特征融合的脑电信号辨识方法，包括以下步骤，采集运动想象的脑电信号，并对其进行预处理；将脑电信号构建为矩阵形式的拓扑型信号；将拓扑型信号输入到3D‑CNN网络提取空间特征；根据granger以及DEMATEL对原始脑电信号进行通道选择；将通道选择后的脑电信号输入到CNN‑BILSTM网络提取时间特征；融合空间特征和时间特征并通过特征融合网络进行运动想象的分类识别。本发明专利技术通过两种不同框架的网络分别自主学习空间特征和时间特征对整体的影响权重，有效提高不同特征之间的互补性，充分利用空间特征和时间特征中所蕴含的运动想象信息，进而提高运动想象脑电信号分类的识别准确率。

【技术实现步骤摘要】

本专利技术涉及运动想象识别，具体涉及一种基于双模型时空特征融合的脑电信号辨识方法。

技术介绍

1、随着人口老龄化和运动损伤率的增加，康复医学领域对于新型治疗方法的需求不断增加，利用运动想象脑电作为一种非侵入性、可行性强的用于辅助判断受试者运动意图的手段，为康复医学带来了新的希望。研究运动想象脑电有助于深入了解大脑的运动控制机制，揭示运动想象与实际运动之间的联系，推动神经科学和认知科学的发展。

2、在这一背景下，为了提取和量化原始脑电信号(eeg)所含特性的过程中，研究者常常需要对时域、频域、空域特征进行综合分析。现有的空间特征提取过程中，通常需要对获取的信号进行表征处理，以表达其位置坐标，这种特征提取方式计算效率较低，计算量大，且特征提取精度较低。

技术实现思路

1、本专利技术旨在解决
技术介绍
中的技术问题之一。

2、为此，本专利技术提供一种基于双模型时空特征融合的脑电信号辨识方法。

3、本专利技术解决其技术问题所采用的技术方案是：

4、一种基于双模型时空特征融合本文档来自技高网...

【技术保护点】

1.一种基于双模型时空特征融合的脑电信号辨识方法，其特征在于，包括以下步骤，

2.根据权利要求1所述的基于双模型时空特征融合的脑电信号辨识方法，其特征在于，在步骤一中，对运动想象的脑电信号进行的预处理操作包括通过EEGLAB工具箱去除与脑电波信号无关的通道；对剩下通道的信号进行共平均参考；根据不同运动想象任务对应的时间起始点，提取相应的分段信号；对分段信号进行标准归一化，预处理后的样本大小为(M＝1125，N＝22，T＝288)，其中M代表采样点数，N代表通道数，T代表每个受试者的试验次数。

3.根据权利要求1所述的基于双模型时空特征融合的脑电信号辨识方法，其特征...

【技术特征摘要】

1.一种基于双模型时空特征融合的脑电信号辨识方法，其特征在于，包括以下步骤，

2.根据权利要求1所述的基于双模型时空特征融合的脑电信号辨识方法，其特征在于，在步骤一中，对运动想象的脑电信号进行的预处理操作包括通过eeglab工具箱去除与脑电波信号无关的通道；对剩下通道的信号进行共平均参考；根据不同运动想象任务对应的时间起始点，提取相应的分段信号；对分段信号进行标准归一化，预处理后的样本大小为(m＝1125，n＝22，t＝288)，其中m代表采样点数，n代表通道数，t代表每个受试者的试验次数。

3.根据权利要求1所述的基于双模型时空特征融合的脑电信号辨识方法，其特征在于，在步骤二中，将脑电地形图对应的通道位置进行等距离划分构建矩阵形式的拓扑型信号。

4.根据权利要求3所述的基于双模型时空特征融合的脑电信号辨识方法，其特征在于，在步骤二中，对x行y列的矩阵式拓扑型信号进行窗口划分，窗口大小为k，步长为l，划分为t张的三维矩阵，得到(k，x，y，t)大小的矩阵形式的信号。

5.根据权利要求1所述的基于双模型时空特征融合的脑电信号辨识方法，其特征在于，在步骤三中，拓扑型信号通过4个三维卷积层、归一化层、激活层、三维池化层得到空间特征，通过flatten1层得到一维特征。

6.根据权利要求1所述的基于双模型时空...

【专利技术属性】
技术研发人员：潘礼正，黄小霞，史先传，王雨婷，李玉博，任春雨，
申请(专利权)人：常州大学，
类型：发明
国别省市：