[发明专利]基于数据增强的卷积神经网络运动想象脑电分类方法

权利要求书

1.一种运动想象脑电信号分类方法，其特征在于，包括如下步骤：

在Physionet数据集中获得至少两类运动想象任务的脑电信号数据；

将所述脑电信号数据输入到卷积神经网络中进行训练，由此实现对脑电信号数据的分类；

其中，所述卷积神经网络的第一层为卷积层，对脑电信号数据沿时间轴执行卷积操作，且输出数据尺寸与输入时一致；

第二层为卷积层，对脑电信号沿着EEG通道轴进行卷积，输出尺寸减为输入的一半；

第三层为最大池化层，用于对脑电信号沿时间轴进行池化，核的大小为30个样本，步长为15；层后的结构进行扁平化处理，形成6300个单维神经元；

最后三层为三个完全连接层，第一个全连接层将神经元的个数从6300降到100，第二个全连接层将神经元的个数从100降到32，最后一个全连接层为softmax层，将神经元的个数从32降到要分类的数据中的神经元数量。

2.如权利要求1所述的一种运动想象脑电信号分类方法，其特征在于，对所述脑电信号数据进行数据增强再进行训练，具体为：

对于Physionet数据集中的原始脑电数据，对每次试验的每个通道的脑电数据进行归一化；

随机选择两组以上同类标签的脑电信号数据，将这些脑电信号数据按通道进行叠加并标准化，生成新的脑电信号数据。

3.如权利要求1或2所述的一种运动想象脑电信号分类方法，其特征在于，卷积神经网络的第一层，采用100个滤波器，核的大小为30个样本，步长为1。

4.如权利要求1或2所述的一种运动想象脑电信号分类方法，其特征在于，采用samepadding方法，对脑电信号数据填充0，以使卷积操作后输出尺寸与输入相同。

5.如权利要求1或2所述的一种运动想象脑电信号分类方法，其特征在于，卷积神经网络的使用100个滤波器，核的大小为30个样本，步长为1。

6.如权利要求1或2所述的一种运动想象脑电信号分类方法，其特征在于，卷积神经网络的第三层，核的大小为30个样本，步长为15。

7.如权利要求1或2所述的一种运动想象脑电信号分类方法，其特征在于，卷积神经网络采用Adam优化器、ReLU激活和分类交叉熵的代价函数。