[发明专利]一种结合卷积神经网络和长短时记忆网络的脑电识别方法

摘要

本发明请求保护一种结合卷积神经网络(CNN)和长短时记忆网络(LSTM)的脑电识别方法，首先使用Emotiv采集仪采集脑电信号数据，并对采集到的脑电信号进行去均值、滤波、归一化等预处理；其次，将预处理后的数据输入卷积层和池化层提取空间特征；然后，在池化层后直接接入LSTM，提取脑电数据的时序信息，最后经过Dropout和全连接层，完成分类任务。本发明能充分利用脑电信号的时空特征，提取脑电数据的空间和时序信息，从而提高脑电信号的分类准确率，也为研究脑电识别提供了一个新的途径。

主权项

一种结合卷积神经网络和长短时记忆网络的脑电识别方法，其特征在于，包括以下步骤：1)、首先使用Emotiv采集仪采集脑电信号数据，并对采集到的脑电信号进行包括去均值、滤波、归一化在内的预处理；2)、其次，将预处理后的数据输入卷积神经网络，所述卷积神经网络从上至下包括两层卷积和两层池化，通过卷积池化提取脑电数据的空间特征；3)、然后，将步骤2)提取的脑电数据空间特征直接输入长短时记忆LSTM网络，提取脑电数据的时序信息，所述LSTM网络改进在于：通过在每个LSTM单元中引入门结构，即sigmoid层输出的每个元素都是一个在0和1之间的实数，表示让对应信息通过的权重或者占比；以确定如何忘记来自先前输入的信息，并且在长距离序列中新输入可用时更新信息。4)、最后将提取的脑电数据的时序信息经过Dropout和全连接层，完成分类任务。