申请/专利权人：黑龙江省科学院智能制造研究所

申请日：2023-12-01

公开（公告）日：2024-03-12

公开（公告）号：CN117688295A

主分类号：G06F18/00

分类号：G06F18/00;G06F18/10;G06F18/24;G06N3/0464;G06N3/0455;G06N3/088

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：一种基于改进的脉冲神经网络的SSVEP脑电信号识别方法，属于脑电信号识别方法领域。现有的非侵入式采集脑电信号存在的信号识别质量低，或者侵入式获得高质量的脑电信号存在的高风险及高成本的问题。本发明的识别方法是，采集SSVEP脑电信号，之后，将信号切分成多段数据，进行数据增强；利用处理后的SSVEP脑电信号建立训练数据集和测试数据集；对处理后的SSVEP脑电信号进行泊松编码，以将脑电信号转换成脉冲信号；将得到的脉冲信号发放到经训练后的脉冲神经网络的输入层；将过脉冲神经网络输入层的脉冲信号通过脉冲神经网络的中间层，由此脉冲神经网络的输出层输出分类的脉冲信号；将各分类的脉冲信号进行解码，得到与各脉冲信号对应的脑电信号。

主权项：1.一种基于改进的脉冲神经网络的SSVEP脑电信号识别方法，其特征在于：所述方法通过以下步骤实现：步骤一、采集8路SSVEP脑电信号，将采集的每路脑电信号以二维图片存储，并将采集的SSVEP脑电信号切分成多段数据，进行数据增强处理，作为改进的脉冲神经网络的数据输入；其中，8路采集作为输入8个通道，其数据结构为80*160*8；步骤二、利用上一步骤处理后的SSVEP脑电信号建立训练数据集和测试数据集；其中，训练数据集和测试数据集是按照9:1的比例进行随机分组建立；步骤三、将训练数据集作为输入层送入改进的脉冲神经网络；其中，所述的改进的脉冲神经网络的参数是采用梯度替代方法进行参数训练；步骤四、通过编码层对处理后的SSVEP脑电信号进行泊松编码，以将脑电信号转换成脉冲信号；步骤五、通过改进的脉冲神经网络的卷积层进行卷积处理，并在每一次卷积处理后经过脉冲神经网络层进行脉冲信号信息处理；其中，卷积层作为脉冲卷积形式，通道数扩大一倍；步骤六、采用脉冲残差网络设计脑电信号处理网络结构，通过连接层连接后的脉冲信号信息进行脉冲神经元处理；处理后进入池化层进行池化处理，变换数据结构；步骤七、根据前一次残差网络结构，再进行一次残差处理，且仅进行输入、输出尺寸大小的变换；步骤八、经过两次残差后，残差网络处理后进入池化层进行池化处理；之后再进行卷积处理和脉冲处理；之后再通过全连接层的处理，将神经元平铺；步骤九、将全连接层处理后的数据作为输入数据，输入至输出层，通过输出层输出分类后的SSVEP脑电信号；步骤十、将各分类的脉冲信号进行解码，得到与各脉冲信号对应的脑电信号；至此，完成脑电信号的分类。

全文数据：

权利要求：

百度查询： 黑龙江省科学院智能制造研究所 一种基于改进的脉冲神经网络的SSVEP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