申请/专利权人：华南理工大学

申请日：2024-02-27

公开（公告）日：2024-07-05

公开（公告）号：CN118021323B

主分类号：A61B5/374

分类号：A61B5/374;A61B5/00;G06F18/00;G06F18/10;G06F123/02

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.05.31#实质审查的生效;2024.05.14#公开

摘要：本发明涉及脑电信号识别的技术领域，公开了一种多域特征融合的脑电信号识别方法，所述方法包括：对采集的脑电信号进行滤波处理；对滤波脑电信号进行去除生物体电信号干扰的降噪处理；对降噪后的脑电信号进行图像化表示以及频域特征提取；对提取得到的频域特征进行时域分析；构建深度脑电信号识别模型并进行所采集脑电信号的识别。本发明采用希尔伯特黄变换的方式从脑电信号的分解结果中过滤低频噪声信号，实现脑电信号中肌电干扰、眼电干扰的滤波处理，对脑电信号进行图像化表示以及频域特征提取，采用双向时域特征提取的方式从频域特征中提取脑电信号的时域特征，实现多域特征的提取融合处理，基于融合结果识别得到脑电信号的类别。

主权项：1.一种多域特征融合的脑电信号识别方法，其特征在于，所述方法包括以下步骤：S1：采集脑电信号，并对采集的脑电信号进行滤波处理，得到滤波脑电信号；S2：对滤波脑电信号进行去除生物体电信号干扰的降噪处理，得到降噪后的脑电信号；S3：对降噪后的脑电信号进行图像化表示，得到二维脑电信号图，并对二维脑电信号图进行频域特征提取，得到脑电信号的频域特征；S4：对提取得到的频域特征进行时域分析，得到脑电信号的时域特征；S5：构建深度脑电信号识别模型并进行所采集脑电信号的识别，所述深度脑电信号识别模型以脑电信号的频域特征和时域特征为输入，以脑电信号类别为输出；所述S3步骤中对二维脑电信号图进行频域特征提取，得到脑电信号的频域特征，包括：对二维脑电信号图进行频域特征提取，得到脑电信号的频域特征，其中二维脑电信号图的频域特征提取流程为：对二维脑电信号图进行特征分解，得到二维脑电信号图的H个特征值以及对应的特征向量，按照特征值降序对特征向量进行排序： ；其中： 表示排序后的第h个特征向量，，特征向量对应的特征值为，其中每个特征向量的长度为N，，表示特征向量中的第n个向量值；将H个特征向量的排序结果作为脑电信号的频域特征；所述S4步骤中对频域特征进行时域分析，得到脑电信号的时域特征，包括：对提取得到的频域特征进行时域分析，得到脑电信号的时域特征，其中频域特征的时序分析流程为：S41：对频域特征进行拆分拼接，其中拆分拼接结果为： ；其中： 表示频域特征的拆分拼接结果；S42：对频域特征的拆分拼接结果进行双向时域特征提取，其中双向时域特征提取公式为： ；其中： 为双向时域特征提取结果； 表示激活函数； 表示双向时域特征的迭代结果，表示双向时域特征迭代过程中，每次迭代所保留的有效信息；S43：对双向时域特征进行拼接处理，其中拼接处理公式为： ；其中： 表示脑电信号的时域特征；所述S5步骤中构建深度脑电信号识别模型并进行所采集脑电信号的识别，包括：构建深度脑电信号识别模型，所述深度脑电信号识别模型以脑电信号的频域特征和时域特征为输入，以脑电信号类别为输出，其中深度脑电信号识别模型包括输入层、特征映射层、交叉融合层以及输出层，输入层用于接收脑电信号的频域特征和时域特征，特征映射层用于分别对频域特征和时域特征进行映射处理，交叉融合层用于对映射后的特征进行交叉融合，得到交叉融合特征，输出层对交叉融合特征进行概率计算，得到不同脑电信号类别的对应概率，选取概率最高的脑电信号类别进行输出；利用深度脑电信号识别模型进行所采集脑电信号的识别，得到所采集脑电信号的脑电信号类别，其中脑电信号识别流程为：S51：输入层接收脑电信号的频域特征和时域特征；S52：特征映射层分别对频域特征和时域特征进行映射处理，其中映射处理公式为： ；其中： 分别为频域特征和时域特征的映射处理结果； 分别为频域特征以及时域特征的映射处理矩阵； 表示以自然常数为底的指数函数；S53：交叉融合层对映射后的特征进行交叉融合，得到交叉融合特征，其中交叉融合公式为： ；其中： 表示Hadamard乘积运算符，表示交叉融合特征；S54：输出层对交叉融合特征进行概率计算，得到不同脑电信号类别的对应概率，其中脑电信号属于第u种脑电信号类别的概率计算结果为： ；其中： 表示脑电信号属于第u种脑电信号类别的概率计算结果，，U表示脑电信号类别的种类数； 表示第u种脑电信号类别对应的连接矩阵；选取概率最高的脑电信号类别进行输出。

全文数据：

权利要求：

百度查询： 华南理工大学 一种多域特征融合的脑电信号识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD