[发明专利]一种密集深度卷积神经网络的脑电信号快速识别方法

摘要

本发明提出一种密集深度卷积神经网络对脑电信号(EEG)的快速识别方法，结合运动想象脑电信号具有时间和空间特征的特点，在卷积神经网络中使用特征连接的方法，设计一种适用于运动想象脑电信号的卷积神经网络。本发明设计的卷积神经网络可以同时提取时间、空间的特征，又将不同卷积层之间的输出相互连接，减少了权值的数量，达到抗过拟合和特征重用的目的。首先将滤波、重采样后的原始数据输入密集深度卷积神经网络，接着通过反向传播与随机梯度下降算法更新网络每一层的参数，最后测试网络，将测试数据输入训练好的网络，对输出结果进行分析。与2017年提出的Shallow ConvNet方法相比，本发明在信号识别准确率和kappa值上提高了5％和0.066。

主权项

1.一种密集深度卷积神经网络的脑电信号快速识别方法，其特征在于包括：步骤1.对脑电信号进行三阶带通0‑40hz滤波，获取与信号相关较大的频带的信号；步骤2.对滤波后的信号进行重采样，原因是输入卷积神经网络的数据长度需要保持一致，要保证相同时间长度下的数据量相同，需要对不同采样频率的数据采样至同一频率；步骤3.从以上预处理过的数据中截取固定长度的事件，并获取其对应的标签；步骤4.设计密集深度卷积神经网络，与常规卷积神经网络采用连续的卷积、池化操作不同，本发明设计的密集卷积神经网络，将中间某些卷积层的输入输出相连接后再作为下一层的输入；步骤5.训练密集深度卷积神经网络，采样平方误差函数作为损失函数计算预测值与标签的误差，通过反向传播与随机梯度下降算法更新网络每一层的参数，至准确率收敛到某个值，或出现准确率下降时，停止训练；步骤6.测试网络，网络的参数不再改变，输入测试数据以及标签，对输出结果进行分析。