[发明专利]一种融合大脑区域间结构信息的脑电识别方法

权利要求书

1.一种融合大脑区域间结构信息的脑电信号识别方法，其特征在于，步骤如下：

步骤1：采集EEG信号；

步骤2：对EEG信号进行预处理，以去除噪音并选择特定时间段，得到原始EEG信号其中表示第n个EEG信号，m代表EEG信号通道数，d代表EEG信号的时间采样点数，y_n∈{-1，+1}是第n个EEG信号对应的标签；

步骤3：根据大脑的不同区域将EEG信号按照通道划分为对应的局部脑区EEG信号；

步骤4：将局部以及全局EEG信号输入深度神经网络分别学习其深度特征，并将局部和全局脑电信号的EEG深度特征展开堆叠成EEG特征矩阵；

步骤5：对EEG特征矩阵进行分类，利用核范式正则化项学习局部脑区间、局部与全局脑区间的结构信息；

步骤6：使用反向传播方法学习分类器和深度神经网络的参数；

步骤7：将待分类EEG信号输入最终的网络模型，得到其类别标签。

2.根据权利要求1所述的一种融合大脑区域间结构信息的脑电信号识别方法，其特征在于，步骤3中，根据大脑的不同区域将脑电信号X_n按通道划分J个对应的局部区域，第j个局部脑区对应的EEG信号可以表示成其中，m_j代表第j个局部脑区对应的EEG信号的通道个数，且m₁+m₂+…+m_J＝m；此外，用表示全局大脑区域的EEG信号。

3.根据权利要求1所述的一种融合大脑区域间结构信息的脑电信号识别方法，其特征在于，步骤4中，将局部和全局脑区EEG信号分别输入深度神经网络，利用深度神经网络学习其深度特征，则学习到的第j个大脑区域的EEG深度特可以表示为：同时，学习到的全局大脑区域的EEG深度特可以表示为：其中，d₁和d₂表示EEG深度特征的维度；用来表示将第j个局部脑区EEG深度特征展开后的深度特征向量，用来表示全局脑区EEG深度特征展开后的深度特征向量，将局部以及全局脑区EEG深度特征向量进行堆叠，得到特征矩阵

4.根据权利要求1所述的一种融合大脑区域间结构信息的脑电信号识别方法，其特征在于，步骤5中，所述对EEG特征矩阵进行分类，分类器的目标函数为：

其中W和b分别表示回归矩阵及偏置；表示W的平方Frobenius范数，G(W)＝τ||W||_*表示W的核范数，H(·)为损失函数，可表示为：

5.根据权利要求1所述的一种融合大脑区域间结构信息的脑电信号识别方法，其特征在于，步骤6中，所述使用反向传播学习分类器和深度神经网络的参数，对回归矩阵W和偏置b求偏导数，可得：