[发明专利]基于LSTM和BP的运动想象脑电信号的分类方法

权利要求书

1.一种基于LSTM和BP的运动想象脑电信号的分类方法，其特征在于：所述运动想象脑电信号的分类方法包括如下步骤：

步骤1：数据进行预处理：对原始脑电信号进行数据预处理；

步骤2：将步骤1得到的数据进行归一化处理；

步骤3：用改进后的LSTM模块自动的进行特征提取；

步骤4：将步骤3LSTM模块中提取到的特征输送到BP神经网络分类器中，得到分类结果；

步骤5：采用梯度下降法进行参数优化。

2.根据权利要求1所述基于LSTM和BP的运动想象脑电信号的分类方法，其特征在于：所述步骤5采用梯度下降法进行参数优化的具体步骤有：沿着梯度下降的方向对神经网络中的自由参数M、n如下式进行调节，并且最开始M按照高斯分布来进行初始化，n初始化为全0的向量，在多次训练中，不断优化的参数可以使损失函数的值逐渐减小，使得模型对脑电数据的分类误差不断减小，

其中：E_r是损失函数。

3.根据权利要求1所述基于LSTM和BP的运动想象脑电信号的分类方法，其特征在于：所述步骤3用改进后的LSTM模块自动的进行特征提取的过程为：

步骤3-1：计算当前时刻的候选记忆单元值其计算公式如下：

式中，p_t-1＝C_t-1-C_t-2，是t-1时刻的状态向量C_t-1与前一时刻的状态量C_t-2的误差反馈，x_t为当前输入数据，h_t-1为上一时刻LSTM单元输出值，W_xc、W_bc分别表示对应输入数据和上一时刻LSTM单元输出的权值，b_c为偏置量；

步骤3-2：输入门计算：输入门是用于控制当前数据输入对记忆单元状态值的影响；所有门的计算除了受当前输入数据x_t和上一时刻LSTM单元输出值h_t-1影响外，还受上一时刻记忆单元值c_t-1的影响；输入门i_t值计算公式如下：

i_t＝σ(W_xix_t+W_dih_t-1+W_ciC_t-1+W_prp_t-1+b_i)

式中，c_t-1为上一时刻候选记忆单元值，W_xi、W_di和W_ci分别表示对应输入门数据、上一时刻LSTM单元输入门和上一时刻输入门记忆单元值的权值，b_i偏置量；

步骤3-3：遗忘门计算：遗忘门是用于控制历史信息对当前记忆单元状态值的影响，其计算公式如下：

f_t＝σ(W_xfx_t+W_Δfh_t-1+W_cfc_t-1+W_pfp_t-1+b_f)

式中，W_xf、W_df和W_cf分别表示对应遗忘门、上一时刻LSTM单元遗忘门和上一时刻遗忘门记忆单元值的权值，b_f为偏置量；

步骤3-4：输出门计算：输出门用于控制记忆单元状态值的输出，其计算公式如下：

o_t＝σ(W_xox_t+WΔ_okh_t-1+W_coc_t-1+b_o)

式中，W_xo、W_bo和W_co分别表示对应输出门、上一时刻LSTM单元输出门和上一时刻输出门记忆单元值的权值，b_o为偏置量；

步骤3-5：依下式计算LSTM单元的输出：

h_t＝o_t⊙tanh(c_t)

式中，σ取logistic sigmoid函数。