[发明专利]孪生级联柔性最大网络的多主体运动想象识别模型及方法

权利要求书

1.孪生级联柔性最大网络的多主体运动想象识别方法，其特征在于，具体按照以下步骤实施：

步骤一、对脑电信号以250Hz进行重采样，并截取包含运动想象阶段的脑电信号段，再使用0-38hz的带通滤波器对其进行滤波；

步骤二、对滤波后的脑电数据的每个通道做指数加权移动平均标准化操作，用来标准化脑电信号；

步骤三、对于经过步骤二标准化后的脑电信号，交换其左右脑半球的脑电信号通道构造孪生脑电信号，并将左右手运动想象对应的标签互换；

步骤四、利用Adam优化方法基于损失函数L(O^p，O^c，Y^p，Y^c)训练CSCNN模型；

步骤五、预测阶段

首先，基于步骤四中已训练CSCNN模型构建TCSCNN模型；其次，基于测试集脑电信号构造孪生脑电信号用于辅助提高分类精度；第三，将原始脑电信号输入TCSCNN模型第一部分，将孪生脑电信号输入TCSCNN模型第二部分，依据公式(1)的模型输出预测概率决定预测类别，其中公式(1)表达式如下；

式(1)中，P_l，P_r分别表示左/右手运动想象的最终预测概率；分别表示TCSCNN模型第一部分中左/右手运动想象预测概率；分别表示TCSCNN模型第二部分中左/右手运动想象预测概率；

其中，TCSCNN模型由第一部分：已训练的CSCNN网络模型及第二部分：复制第一部分的已训练CSCNN网络模型组成；

所述CSCNN网络包括有基于CNN的特征提取层、主体分类层及运动想象分类层，脑电信号数据输入基于CNN的特征提取层，特征提取层提取的特征输入主体分类层；主体分类层输出结果输入运动想象分类层，而且提取的特征也通过跨层连接输入运动想象分类层；整个CSCNN网络输出由主体分类层输出与运动想象分类层输出两部分联结组成。

2.根据权利要求1所述的孪生级联柔性最大网络的多主体运动想象识别方法，其特征在于，步骤一中，重采样时长范围为2秒到5秒。

3.根据权利要求1所述的孪生级联柔性最大网络的多主体运动想象识别方法，其特征在于，步骤二中，标准化脑电信号的具体过程如下：

首先，计算指数移动均值m_t：

m_t＝f·mean(x_t)+(1-f)·m_t-1       (2)

式(2)中，x_t是原始脑电信号的第t个采样点，m_t是脑电信号在第t个采样点的移动均值，f是预先设置的更新因子，mean(x_t)是脑电信号x_t在多通道上求平均；

再计算指数移动方差v_t：

v_t＝f·(m_t-x_t)²+(1-f)·v_t-1     (3)

最后，求指数加权移动平均标准化后的脑电信号x′_t：

式(4)中，为最大值函数，取两个参数最大值，ε＝10^-6。

4.根据权利要求1所述的孪生级联柔性最大网络的多主体运动想象识别方法，其特征在于，CSCNN网络模型训练阶段的损失函数L(O^p，O^c，Y^p，Y^c)如式(5)所示：

L(O^p，O^c，Y^p，Y^c)＝CE(O^p，Y^p)+W^c·CE(O^c，Y^c)    (5)

式(1)中，O^p，O^c分别为运动想象分类层与主体分类层的柔性最大网络输出；Y^p，Y^c分别是运动想象任务类别标签和主体类别标签的one-hot编码；W^c是子类损失函数的权重；CE(O,Y)是交叉熵函数，如式(6)所示:

式(6)中，i是类别序号，I是类别个数,输出向量O＝[o₁，o₂，...，o_I],标签向量Y＝[y₁，y₂，...，y_I]。