[发明专利]脑电信号分类方法、装置、计算机设备和存储介质

权利要求书

1.一种脑电信号分类方法，所述方法包括：

获取待分类脑电信号；

对所述待分类脑电信号提取多个目标频段的信号特征，得到各个所述目标频段对应的频段特征；所述目标频段是与所述待分类脑电信号对应的目标用户标识相对应的频段；

获取各个所述频段特征对应的目标权重，分别根据各个所述频段特征对应的目标权重，得到各个所述频段特征各自对应的目标频段的目标分类特征；

根据各个所述目标分类特征进行分类处理，得到所述目标用户标识对应的所述待分类脑电信号的分类结果。

2.根据权利要求1所述的方法，其特征在于，所述对所述待分类脑电信号提取多个目标频段的信号特征，得到各个所述目标频段对应的频段特征包括：

获取所述目标用户标识对应的机器学习模型；所述机器学习模型为根据所述目标用户标识对应的训练样本训练得到的；

将所述待分类脑电信号输入所述机器学习模型中；所述机器学习模型包括多个不同尺度的时间卷积层；

通过所述多个不同尺度的时间卷积层分别对所述待分类脑电信号在时间维度进行卷积，得到各个所述目标频段对应的频段特征。

3.根据权利要求2所述的方法，其特征在于，所述机器学习模型还包括注意力分配网络；所述获取各个所述频段特征对应的目标权重，分别根据各个所述频段特征对应的目标权重，得到各个所述频段特征各自对应的目标频段的目标分类特征包括：

将各个所述目标频段对应的频段特征输入所述注意力分配网络中；

在所述注意力分配网络中，分别获取各个所述频段特征对应的注意力权重，分别根据各个所述频段特征对应的注意力权重，得到各个所述频段特征各自对应的目标频段的目标分类特征。

4.根据权利要求3所述的方法，其特征在于，所述将各个所述目标频段对应的频段特征输入所述注意力分配网络中包括：

拼接各个所述频段特征，得到第一频段融合特征；

将所述第一频段融合特征输入所述注意力分配网络中；

所述在所述注意力分配网络中，分别获取各个所述频段特征对应的注意力权重，分别根据各个所述频段特征对应的注意力权重，得到各个所述频段特征各自对应的目标频段的目标分类特征包括：

在所述注意力分配网络中，分别获取所述第一频段融合特征中与各个所述频段特征对应的子特征的子注意力权重，分别根据各个所述频段特征对应的子注意力权重，得到各个所述频段特征各自对应的目标频段的目标分类特征。

5.根据权利要求4所述的方法，其特征在于，所述注意力分配网络包括第一池化层、第一卷积层、第二卷积层以及激励函数层；所述分别获取所述第一频段融合特征中与各个所述频段特征对应的子特征的子注意力权重，分别根据各个所述频段特征对应的子注意力权重，得到各个所述频段特征各自对应的目标频段的目标分类特征包括：

在所述第一池化层对所述第一频段融合特征进行全局平均池化，得到池化特征；

在所述第一卷积层对所述池化特征进行压缩处理；

在所述第二卷积层将压缩处理后的所述池化特征的维度调整至与所述池化特征向量一致；

将调整后的所述池化特征输入所述激励函数层，得到所述第一频段融合特征中与各个所述频段特征对应的子特征的子注意力权重，并将各个所述子注意力权重与各自对应的子特征相乘，得到各个所述目标频段的目标分类特征，各个所述目标分类特征用于拼接得到第二频段融合特征。

6.根据权利要求5所述的方法，其特征在于，所述根据各个所述目标分类特征进行分类处理，得到所述目标用户标识对应的所述待分类脑电信号的分类结果包括：

对所述第一频段融合特征及所述第二频段融合特征进行相加，得到目标频段融合特征；

在所述机器学习模型的空间卷积层，对所述目标频段融合特征进行空间卷积，得到中间特征；

根据所述中间特征进行分类处理，得到所述目标用户标识对应的所述待分类脑电信号的分类结果。