一种基于变参递归神经网络对脑电信号分类方法

技术特征：
1.一种基于变参递归神经网络对脑电信号分类方法,其特征在于，包括以下步骤：1)采集用户脑电信号数据，对数据进行预处理；2)基于预处理数据，构建运动想象脑电信号分类器的凸二次规划问题；3)将凸二次规划问题引入罚函数以消除不等式约束；4)将带等式约束的凸二次规划问题通过变参递归神经网络进行求解；5)将凸二次规划问题的最优解代入分类器决策函数中，得到分类器决策函数；6)通过分类器决策函数判断新输入的运动想象脑电信号的类别，并将结果进行输出。2.根据权利要求1所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，采集用户脑电信号数据具体包括：通过电脑显示屏提示用户想象做出某一动作，利用电极帽采集用户接受提示后的脑电信号数据，并对数据进行预处理。3.根据权利要求1所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，所述预处理包括确定数据样本采集的时间窗口大小，选择电极通道，将用户脑电信号数据进行连续小波变换以及归一化处理。4.根据权利要求1所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，所述预处理包括：先采用morlet小波：其中ψ(t)表示小波变换的尺度函数，exp(
·
)表示指数函数，t表示时间，然后对数据进行连续小波变换：其中表示小波函数，s是缩放单位，用来对小波进行缩放，τ表示中心频率，x(t)为输入信号；归一化处理使用最大-最小归一化方法，表示为：其中x表示数据样本，min表示信号的最小值，max表示信号的最大值。5.根据权利要求1所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，所述步骤2)具体包括：基于步骤1)中的预处理数据，定义数据集s：其中x
m
表示第m个数据样本的标签，y
m
表示第m个数据样本的标签；基于软间支持向量机理论，根据分类间隔最大化原理，将分类问题转化为一个凸二次规划问题，表示为：
0≤α1,α2,
…
,α
m
≤c其中i、j表示第i、j数据样本，α
i
和α
j
表示第i个和第j个拉格朗日算子，是该凸二次规划问题要求解的变量，y
i
和y
j
对应第i个和第j个数据样本的标签，x
i
和x
j
对应第i个和第j个数据样本，c表示惩罚因子，i、j∈m，m表示数量；将式(2)写为标准矩阵形式：s.t.kα＝0
ꢀꢀꢀꢀ
(3)jα≤d其中其中其中k＝[y
1 y2ꢀ…ꢀ
y
m
]]其中e为m维的单位矩阵，h为数据样本和数据样本标签组成的矩阵，q是m维的列向量，其数据元素均为-1，k是由数据样本标签组成的矩阵，j是由单位矩阵e组成的，d是由惩罚因子c和0组成的列向量，α表示拉格朗日算子。6.根据权利要求5所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，惩罚函数为：n
i
＝d
i-j
i
α，m(
·
)＝exp(-σn
i
)，σ>0，p>0，n
i
的特性为：
其中α表示拉格朗日算子，d
i
表示矩阵d的第i个元素，j
i
表示矩阵j的第i个元素，m表示数据样本的数量，σ、p均表示罚函数的参数，n
i
表示第i个不等式约束输入罚函数的形式，m(
·
)表示第i个罚函数的表达式。7.根据权利要求6所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，所述惩罚函数能代替不等式约束，将参数限制在设置的范围，将惩罚函数代入式(3)得到只带等式约束的凸二次规划问题：s.t.kα＝0。8.根据权利要求1所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，所述步骤4)具体包括：根据拉格朗日理论，引入拉格朗日乘子λ，将凸二次规划问题改为：其中l(α,λ)表示凸二次规划问题引入拉格朗日理论后的凸二次规划问题；h为数据样本和数据样本标签组成的矩阵，p(α)是m维的列向量，k是由数据样本标签组成的矩阵，λ为拉格朗日乘子，α表示由拉格朗日算子组成的向量；式(6)的最优解等价于l(α,λ)分别对α和λ进行求导并使其为零时的解，具体表示为：定义定义定义其中u表示式(7)转化得到的参数矩阵，r表示式(7)转化得到的待求解的向量，o表示式(7)转化得到的常数项向量；σ、p均表示罚函数的参数，n
i
表示第i个不等式约束输入罚函数的形式，j
i
表示矩阵j的第i个元素，m表示数据样本的数量，q是m维的列向量；将式(7)写成矩阵表达式，并假设r和o随时间t的变化而变化：ur(t)＝o(t)
ꢀꢀꢀꢀ
(8)根据式(8)，定义误差函数为：e(t)＝ur(t)-o(t)
ꢀꢀꢀꢀ
(9)
基于神经动力学理论，根据式(9)定义：其中g
t
表示指数收敛系数，式(9)代入得：其中表示r(t)和o(t)对时间t进行求导；将式(11)写成标准形式，得到：1)写成标准形式，得到：其中m为将式(11)写成标准矩阵形式，表示由式(11)转化得到的对应的参数矩阵。9.根据权利要求1所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，所述决策函数表示为：f(x)＝w
t
x b
ꢀꢀꢀꢀ
(13)(13)其中x表示数据样本，m表示数据样本的数量，w表示决策函数f(x)的权重因子，b表示决策函数f(x)的偏移量，α
i
表示第i个拉格朗日乘子，x
i
表示第i个数据样本，y
i
表示第i个数据样本标签，h(x
i
,x
j
)表示第i个数据样本和第j个数据样本的核函数计算值，式(15)为变参递归神经网络求解器。10.根据权利要求1～9任一项所述的一种基于变参递归神经网络对脑电信号分类方法，其特征在于，所述步骤6)具体包括：将步骤1)得到新输入的运动想象脑电信号代入步骤5)得到的分类决策函数f(x)，根据分类决策函数f(x)正负号判断输入的脑电信号的对应类别并将结果进行输出。

技术总结
本发明提供了一种基于变参递归神经网络对脑电信号分类方法，包括以下步骤：通过电极帽采集用户脑电信号，然后对数据进行预处理；利用软间隔支持向量机原理，构建运动想象脑电信号分类器的凸二次规划问题；将凸二次规划问题引入罚函数以消除不等式约束；将带等式约束的凸二次规划问题通过变参递归神经网络进行求解；将凸二次规划问题的最优解代入分类器决策函数中，得到分类器决策函数；通过得到分类器决策函数判断新输入的运动想象脑电信号的类别，并将结果进行输出。本发明利用变参递归神经网络对运动想象脑电信号分类器的凸二次规划问题进行求解，具有收敛速度快，鲁棒性好，分类准率高的优点。分类准率高的优点。分类准率高的优点。


技术研发人员：张智军 陈广强 任肖辉
受保护的技术使用者：华南理工大学
技术研发日：2022.02.24
技术公布日：2022/6/4