申请/专利权人：华南理工大学

申请日：2022-05-20

公开（公告）日：2024-04-09

公开（公告）号：CN115114953B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/10;G06F18/213;G06N3/04;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.09#授权;2022.10.18#实质审查的生效;2022.09.27#公开

摘要：本发明公开了一种基于循环神经网络的情绪脑信号识别方法，包括：1获取训练的情绪脑信号并预处理操作，得到重新分割后的信号片段；2对重新分割后的每个信号片段，分别针对时域信息与空域信息进行微分熵特征与黎曼特征的计算，得到相应特征向量；3将特征向量输入构建的循环神经网络进行训练，得到训练好的循环神经网络；4调用训练好的循环神经网络，实现对情绪脑信号分类，得到最终的识别结果。本发明实现了从原始脑信号中提取更有效的特征，并对特征进行表示使其具有更明显的时空相关性和判别性。

主权项：1.一种基于循环神经网络的情绪脑信号识别方法，其特征在于，包括以下步骤：1获取训练的情绪脑信号，依次进行滤波和片段分割的预处理操作，得到重新分割后的信号片段；2对重新分割后的每个信号片段，分别针对时域信息与空域信息进行微分熵特征与黎曼特征的计算，得到相应特征向量；分别针对数据的空域信息和时域信息提取微分熵特征和黎曼特征，其中，微分熵特征的具体计算方法如下：对于每个片段的每个通道数据，使用滑动窗口的方式将其切割成窗口长度为8秒的小窗，滑动间隔4秒，接着使用傅里叶变换将窗口中信号由时域变换到频域，随后按照以下公式： 式中，m为对应时间段的序号，fk为对应子频段的组合，函数xm，fk表示在m时间段及fk对应频率的组合下的频谱值，在频率域上分别计算每个频段的能量信号，并取对数就得到了相应的微分熵特征DE；黎曼特征的具体计算方法如下：对每个片段的数据计算协方差特征，每一个协方差特征Pj都能够看作是黎曼流形上的点，j＝1,2,…,m，定义黎曼流形上任意两点P1、P2间的测地距离δRP1,P2为： 式中，λi表示矩阵P1-1P2的实特征值，i＝1,2,…,C，则有黎曼均值点求解方法如下： 式中，Pj表示第j个协方差特征，该式表示在黎曼流形上寻找一点P，使得流形上其它点Pj与P之间的测地距离δRP,Pj之和最小，该式无解析解，由梯度下降迭代求解；以黎曼均值点Cref为切点做切平面，将Pj投影到切平面上得到对应切向量Tj，即有： 式中，P为通过梯度下降迭代求解而得的点，Logm·表示求矩阵对数运算，Tj即为求取的黎曼特征；3针对获取的特征向量，使用改进循环神经元构建循环神经网络，将特征向量输入构建的循环神经网络进行训练，寻找网络的最佳参数，得到训练好的循环神经网络；其中，所述改进循环神经元为带有记忆功能的循环神经元变体LSTM神经元；4调用训练好的循环神经网络，实现对情绪脑信号分类，得到最终的识别结果。

全文数据：

权利要求：

百度查询： 华南理工大学 一种基于循环神经网络的情绪脑信号识别方法

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