[发明专利]一种基于CBLSTM算法模型的运动想象脑电信号特征识别方法

摘要

本发明请求保护一种基于CBLSTM算法模型的运动想象脑电信号特征识别方法。该算法模型包含以下步骤S1：采集脑电信号；S2：对原始脑电信号进行预处理；S3：采用卷积神经网络提取脑电信号的频域特征；S4：采用双向长短期网络提取脑电信号的时域特征；S5：采用softmax回归方法对脑电信号进行分类；S6：输出最终的脑电信号分类结果。本发明有效提高了多类脑电信号的识别率。

主权项

1.一种基于CBLSTM算法模型的运动想象脑电信号特征识别方法，其特征在于，包括如下步骤：S1：首先采用信号采集仪采集原始的脑电信号；S2：对采集的脑电信号进行包括滤波、放大在内的预处理，并采用多线性主成分分析对多维脑电信号进行降维处理；S3：将经过降维处理的脑电信号采用数据切割方法整理成序列帧，然后采用改进的卷积神经网络将脑电信号的频域特征提取出来；所述改进的卷积神经网络改进点主要在于：卷积神经网络模块主要包括五个卷积模块、四个池化层、两个批规范化层和一个Im2col加速层，其中每个卷积模块都由多个卷积层组合，卷积核尺寸大小采用的是3*3和5*5；S4：然后采用改进序列特征提取算法提取脑电信号的时域特征；所述改进序列特征提取算法改进点主要在于：将两个LSTM以相反的方向融合，共同决定当前时刻的预测信息，其信号输入序列对于两个隐藏层是相反方向的，直到两个隐含层处理完所有输入序列时预测输出才更新，同时在后向计算过程中，输出值首先通过随机梯度计算然后返回值给两个不同方向序列的隐藏层；S5：在提取出脑电信号的特征之后，通过Softmax回归对多类脑电信号进行分类并输出结果。