[发明专利]基于LSTM和BP的运动想象脑电信号的分类方法

说明书

本发明是一种基于LSTM和BP的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；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。本发明首先是利用改进后的LSTM模块对预处理后的数据进行特征提取，再利用BP神经网络分类器对前面提取到的特征进行分类，最后进行参数优化达到最高准确值，提高脑电信号的特征分类的准确率。

技术领域

本发明涉及运动想象脑电信号特征提取与分类，属于BCI研究领域，具体的说是涉及一种基于长短期记忆(LSTM)模型结合BP神经网络的方法。

背景技术

大脑是支配人类活动的中枢神经系统，然而在现代社会中，越来越多的疾病威胁着大脑及神经脊髓的健康，使得人脑不能与外界进行正常的信息交互。例如脑瘫痪、脑干中风、肌萎缩、肌萎缩侧索硬化症(Amyotrophic Lateral Sclerosis，ALS)、癫痫等，这些疾病统称为“闭锁综合症”。

随着人类对脑科学研究的不断深入以及计算机科学与信息处理技术的飞速发展，带着增强有运动障碍但思维正常的患者与外界交流和沟通能力的初衷，对运动想象脑电信号的特征提取技术便应运而生，它提供了一种高级的、新型的人机交互方式。现如今，计算机科学与神经科学结合领域的研究得到科学家们的普遍关注与深入开拓，BCI技术以一日千里的速度迅速发展，在军事航空、康复医疗、认知增强、游戏娱乐和智能化等领域正迸发出强大的活力，脑机接口的研究与应用已然成为科研领域的热点。尽管如此，目前我国的BCI技术整体尚处于实验室研究状态，相关理论与技术有待完善，全面深入BCI技术的研究，能为我国在该领域的科技进步贡献力量。

由于脑电信号具有非平稳、噪声大、随机性强等特点，目前运动想象脑电信号的分类准确度低。使得解码脑电信号进而提取有效生理信息有很大的挑战性。目前运动想象脑电信号的分类准确度低，因此，研究如何通过算法对脑电信号进行准确分类显得尤为重要，

发明内容

为了解决上述问题，本发明提供了一种基于LSTM和BP的运动想象脑电信号的分类方法，该方法提高了运动想象脑电信号特征提取与分类的准确度。

为了达到上述目的，本发明是通过以下技术方案实现的：

本发明是一种基于LSTM和BP的运动想象脑电信号的分类方法，该方法包括如下步骤：

步骤1：数据进行预处理：对原始脑电信号进行数据预处理，目的是减少干扰，提高信噪比，从而提高特征提取的准确性；

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。

本发明的进一步改进在于：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。

本发明的进一步改进在于：在当前时刻与前一个时刻的单元状态偏差中加入比例微分(proportional derivative,PD)反馈来改进LSTM网络,使得误差在输出门关闭的情况下仍处于可观状态，步骤3用改进后的LSTM模块自动的进行特征提取的过程为：