[发明专利]一种基于变参递归神经网络对脑电信号分类方法

说明书

本发明提供了一种基于变参递归神经网络对脑电信号分类方法，包括以下步骤：通过电极帽采集用户脑电信号，然后对数据进行预处理；利用软间隔支持向量机原理，构建运动想象脑电信号分类器的凸二次规划问题；将凸二次规划问题引入罚函数以消除不等式约束；将带等式约束的凸二次规划问题通过变参递归神经网络进行求解；将凸二次规划问题的最优解代入分类器决策函数中，得到分类器决策函数；通过得到分类器决策函数判断新输入的运动想象脑电信号的类别，并将结果进行输出。本发明利用变参递归神经网络对运动想象脑电信号分类器的凸二次规划问题进行求解，具有收敛速度快，鲁棒性好，分类准率高的优点。

技术领域

本发明属于运动想象脑电信号分类领域，特别是一种基于变参递归神经网络对脑电信号分类方法。

背景技术

运动意象脑电图(EEG)解码是脑机接口(BCI)的重要组成部分，可帮助运动障碍患者通过外部设备与外界进行交流。运动想象脑电信号相比P300脑电信号在采集用户信号时不需要用户专注于如屏幕字符等强刺激信息，使用负担较低，但是这也使得运动想象脑电信号的信噪比低，不利于对脑电信号进行分析分类，因此对于运动想象脑电信号分类一直是国内外研究的热门领域(S.Chaudhary,S.Taran,V.Bajaj,A.Sengur.ConvolutionalNeural Network Based Approach Towards Motor Imagery Tasks EEG SignalsClassification[J].IEEE Sensors Journal,2019,19(12):4494-4500.)。而传统的运动想象脑电信号分类器一般基于支持向量机算法以及相应的改进分类算法进行设计的(A.Jiang,J.Shang,X.Liu,Y.Tang,H.K.Kwan,Y.Zhu.Efficient CSP Algorithm WithSpatio-Temporal Filtering for Motor Imagery Classification[J].IEEETransactions on Neural Systems and Rehabilitation Engineering,2020,28(4):1006-1016.)。由于支持向量机分类器设计简单，且已经具备较好的分类效果，在运动想象脑电信号分类器设计上被广泛利用。尽管支持向量机使用简便，但传统的参数求解方法是串行求解算法，求解速度慢。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于变参递归神经网络对脑电信号分类方法。

本发明至少通过如下技术方案之一实现。

一种基于变参递归神经网络对脑电信号分类方法，包括以下步骤：

1)采集用户脑电信号数据，对数据进行预处理；

2)基于预处理数据，构建运动想象脑电信号分类器的凸二次规划问题；

3)将凸二次规划问题引入罚函数以消除不等式约束；

4)将带等式约束的凸二次规划问题通过变参递归神经网络进行求解；

5)将凸二次规划问题的最优解代入分类器决策函数中，得到分类器决策函数；

6)通过分类器决策函数判断新输入的运动想象脑电信号的类别，并将结果进行输出。

优选地，采集用户脑电信号数据具体包括：通过电脑显示屏提示用户想象做出某一动作，利用电极帽采集用户接受提示后的脑电信号数据，并对数据进行预处理。

优选地，所述预处理包括确定数据样本采集的时间窗口大小，选择电极通道，将用户脑电信号数据进行连续小波变换以及归一化处理。

优选地，所述预处理包括：

先采用Morlet小波：