本公開涉及人工智能，具體涉及用于腦電分類的余弦卷積多通道組解碼方法及系統(tǒng)。

背景技術(shù)：

1、本部分的陳述僅僅是提供了與本公開相關(guān)的背景技術(shù)信息，不必然構(gòu)成在先技術(shù)。

2、腦機(jī)接口（brain-computer?interface,?bci）技術(shù)是一種直連大腦和外部設(shè)備，通過分析采集到的大腦信號(hào)，將人的思維活動(dòng)轉(zhuǎn)換為控制外部設(shè)備或者對(duì)外交流的信號(hào)，從而實(shí)現(xiàn)人機(jī)交互的重要方式，而腦電信號(hào)相較于其他的大腦信號(hào)，憑借其非侵入性、便攜性、時(shí)間分辨率較高、成本較低、適合實(shí)時(shí)應(yīng)用等優(yōu)勢(shì)，而被廣泛應(yīng)用于腦機(jī)接口領(lǐng)域。

3、而運(yùn)動(dòng)想象（motor?imagery,?mi）腦電信號(hào)（electroencephalograph,?eeg）作為一種常見的自發(fā)腦電信號(hào)，是指人們?cè)跊]有實(shí)際運(yùn)動(dòng)時(shí)，通過想象自己肢體運(yùn)動(dòng)而獲得的大腦信息。其著眼于主觀能動(dòng)性，可能修復(fù)或重建損傷的運(yùn)動(dòng)傳導(dǎo)通路，喚醒部分休眠的神經(jīng)元突觸，在主動(dòng)運(yùn)動(dòng)康復(fù)領(lǐng)域具有極大的實(shí)用價(jià)值。

4、目前，深度學(xué)習(xí)方法在運(yùn)動(dòng)想象腦機(jī)接口應(yīng)用廣泛，但傳統(tǒng)的普通卷積計(jì)算量較大，且采用的標(biāo)準(zhǔn)線性核函數(shù)在捕捉大腦信號(hào)的非線性特征上存在一定局限，難以充分捕捉周期性腦電信號(hào)的動(dòng)態(tài)變化特征。并且現(xiàn)有方法在處理多通道腦電數(shù)據(jù)時(shí)，往往未充分利用不同腦電通道間的空間關(guān)系，導(dǎo)致腦電多通道間的信息融合不足，造成信息損失。

技術(shù)實(shí)現(xiàn)思路

1、本公開為了解決上述問題，提出了用于腦電分類的余弦卷積多通道組解碼方法及系統(tǒng)，將首個(gè)卷積層設(shè)置為余弦卷積以更好的提取腦電信號(hào)的時(shí)頻特征，在第二個(gè)卷積層的位置采用多個(gè)分支來提取不同的通道組信號(hào)的空間特征，最后將提取到的不同通道組的時(shí)頻空特征進(jìn)行拼接，最終實(shí)現(xiàn)高性能的運(yùn)動(dòng)想象腦電信號(hào)分類。

2、根據(jù)一些實(shí)施例，本公開采用如下技術(shù)方案：

3、用于腦電分類的余弦卷積多通道組解碼方法，包括：

4、獲取待分類的不同類別的運(yùn)動(dòng)想象腦電信號(hào)，并預(yù)處理；

5、將預(yù)處理后的運(yùn)動(dòng)想象腦電信號(hào)輸入至腦電信號(hào)分類模型中，輸出不同類別的運(yùn)動(dòng)想象腦電信號(hào)的分類結(jié)果；

6、其中，運(yùn)動(dòng)想象腦電信號(hào)輸入至腦電信號(hào)分類模型后，首先進(jìn)入余弦卷積時(shí)頻特征提取模塊，通過采用不同頻率的余弦卷積核對(duì)不同的頻率成分進(jìn)行分解和重構(gòu)，得到多尺度時(shí)頻特征；將多尺度時(shí)頻特征再輸入至多通道組空間特征提取模塊，根據(jù)通道組數(shù)對(duì)多尺度時(shí)頻特征進(jìn)行通道分組，每個(gè)通道子組數(shù)據(jù)采用獨(dú)立的可分離卷積分支網(wǎng)絡(luò)在通道維度進(jìn)行卷積，得到每個(gè)通道子組腦電信號(hào)的時(shí)頻空特征，將每個(gè)通道子組腦電信號(hào)的時(shí)頻空特征拼接為融合特征向量，通過全連接層輸出運(yùn)動(dòng)想象腦電信號(hào)對(duì)應(yīng)運(yùn)動(dòng)想象每個(gè)類別的概率。

7、根據(jù)一些實(shí)施例，本公開采用如下技術(shù)方案：

8、用于腦電分類的余弦卷積多通道組解碼系統(tǒng)，包括：

9、數(shù)據(jù)獲取模塊，用于獲取待分類的不同類別的運(yùn)動(dòng)想象腦電信號(hào)，并預(yù)處理；

10、分類模塊，用于將預(yù)處理后的運(yùn)動(dòng)想象腦電信號(hào)輸入至腦電信號(hào)分類模型中，輸出不同類別的運(yùn)動(dòng)想象腦電信號(hào)的分類結(jié)果；

11、其中，運(yùn)動(dòng)想象腦電信號(hào)輸入至腦電信號(hào)分類模型后，首先進(jìn)入余弦卷積時(shí)頻特征提取模塊，通過采用不同頻率的余弦卷積核對(duì)不同的頻率成分進(jìn)行分解和重構(gòu)，得到多尺度時(shí)頻特征；將多尺度時(shí)頻特征再輸入至多通道組空間特征提取模塊，根據(jù)通道組數(shù)對(duì)多尺度時(shí)頻特征進(jìn)行通道分組，每個(gè)通道子組數(shù)據(jù)采用獨(dú)立的可分離卷積分支網(wǎng)絡(luò)在通道維度進(jìn)行卷積，得到每個(gè)通道子組腦電信號(hào)的時(shí)頻空特征，將每個(gè)通道子組腦電信號(hào)的時(shí)頻空特征拼接融合為特征向量，通過全連接層輸出運(yùn)動(dòng)想象腦電信號(hào)對(duì)應(yīng)運(yùn)動(dòng)想象每個(gè)類別的概率。

12、根據(jù)一些實(shí)施例，本公開采用如下技術(shù)方案：

13、一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)所述的用于腦電分類的余弦卷積多通道組解碼方法。

14、根據(jù)一些實(shí)施例，本公開采用如下技術(shù)方案：

15、一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時(shí)，實(shí)現(xiàn)所述的用于腦電分類的余弦卷積多通道組解碼方法。

16、根據(jù)一些實(shí)施例，本公開采用如下技術(shù)方案：

17、一種電子設(shè)備，包括：處理器、存儲(chǔ)器以及計(jì)算機(jī)程序；其中，處理器與存儲(chǔ)器連接，計(jì)算機(jī)程序被存儲(chǔ)在存儲(chǔ)器中，當(dāng)電子設(shè)備運(yùn)行時(shí)，所述處理器執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)程序，以使電子設(shè)備執(zhí)行實(shí)現(xiàn)所述的用于腦電分類的余弦卷積多通道組解碼方法。

18、與現(xiàn)有技術(shù)相比，本公開的有益效果為：

19、本公開的用于腦電分類的余弦卷積多通道組解碼方法，在余弦卷積時(shí)頻特征提取模塊通過采用不同頻率的余弦卷積核對(duì)不同的頻率成分進(jìn)行分解和重構(gòu)，得到多尺度時(shí)頻特征，其通過余弦卷積核代替?zhèn)鹘y(tǒng)卷積核，能夠更好地捕捉腦電信號(hào)的周期性特征，有效提取腦電信號(hào)時(shí)域和頻域的動(dòng)態(tài)特征，提高了解碼的準(zhǔn)確性；并且余弦卷積較傳統(tǒng)卷積在計(jì)算時(shí)顯著減少了計(jì)算量，在保持高性能的同時(shí)降低了計(jì)算成本，使得其適合實(shí)時(shí)應(yīng)用和嵌入式設(shè)備實(shí)現(xiàn)。

20、本公開的用于腦電分類的余弦卷積多通道組解碼方法，將多尺度時(shí)頻特征再輸入至多通道組空間特征提取模塊，根據(jù)通道組數(shù)對(duì)多尺度時(shí)頻特征進(jìn)行通道分組，每個(gè)通道子組數(shù)據(jù)采用獨(dú)立的可分離卷積分支網(wǎng)絡(luò)在通道維度進(jìn)行卷積，得到每個(gè)通道子組腦電信號(hào)的時(shí)頻空特征，采用多通道組的分支結(jié)構(gòu)使得各通道間的空間相關(guān)性得以充分利用，克服了現(xiàn)有方法在多通道信號(hào)處理時(shí)空間信息融合不足的問題，提高了模型的泛化能力和魯棒性。該方法能夠有效提取腦電信號(hào)中的頻域和跨通道特征，提升分類性能、減少計(jì)算成本。

技術(shù)特征：

1.用于腦電分類的余弦卷積多通道組解碼方法，其特征在于，包括：

2.如權(quán)利要求1所述的用于腦電分類的余弦卷積多通道組解碼方法，其特征在于，獲取待分類的不同類別的運(yùn)動(dòng)想象腦電信號(hào)，并預(yù)處理包括：使用腦電放大器和a/d轉(zhuǎn)換器對(duì)運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行采集，采集的運(yùn)動(dòng)想象腦電信號(hào)包含種不同類別，設(shè)定采樣頻率，每個(gè)類別采集m次，采集得到的運(yùn)動(dòng)想象腦電信號(hào)總數(shù)為，將采集到的運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行去噪濾波分段預(yù)處理。

3.如權(quán)利要求1所述的用于腦電分類的余弦卷積多通道組解碼方法，其特征在于，腦電信號(hào)分類模型包括余弦卷積時(shí)頻特征提取模塊、多通道組空間特征提取模塊、特征融合模塊以及全連接層，所述余弦卷積時(shí)頻特征提取模塊使用余弦卷積核代替?zhèn)鹘y(tǒng)卷積核，余弦卷積所需要的輸入?yún)?shù)為余弦卷積核的個(gè)數(shù)以及余弦卷積核的長(zhǎng)度，余弦卷積核的計(jì)算公式如下：

4.如權(quán)利要求1所述的用于腦電分類的余弦卷積多通道組解碼方法，其特征在于，通過采用不同的頻率的余弦卷積核對(duì)不同的頻率成分進(jìn)行分解和重構(gòu)，獲得多尺度頻域特征，將余弦卷積核放入二維卷積中，獲得余弦卷積輸出為：

5.如權(quán)利要求1所述的用于腦電分類的余弦卷積多通道組解碼方法，其特征在于，多通道組空間特征提取模塊的輸入是運(yùn)動(dòng)想象腦電信號(hào)的多尺度時(shí)頻特征，將輸入的多尺度時(shí)頻特征依據(jù)設(shè)定步長(zhǎng)和起始位置按照分組規(guī)則分為多個(gè)通道子組，使每個(gè)通道子組內(nèi)的信號(hào)之間具有強(qiáng)的空間關(guān)聯(lián)性，對(duì)腦電信號(hào)的所有通道的排序從0開始起排。

6.如權(quán)利要求1所述的用于腦電分類的余弦卷積多通道組解碼方法，其特征在于，輸出的多組時(shí)頻空特征，在原通道維度對(duì)輸入的特征進(jìn)行拼接獲得融合的特征圖，將融合的特征圖經(jīng)過進(jìn)一步卷積和池化操作，輸出特征圖的尺寸逐步縮小，最后通過展平層將特征圖轉(zhuǎn)換為一維的融合特征向量，然后連接全連接層，使用激活函數(shù)，輸出該腦電數(shù)據(jù)對(duì)應(yīng)運(yùn)動(dòng)想象每個(gè)類別的概率。

7.用于腦電分類的余弦卷積多通道組解碼系統(tǒng)，其特征在于，包括：

8.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-6任一項(xiàng)所述的用于腦電分類的余弦卷積多通道組解碼方法。

9.一種非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述非暫態(tài)計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)用于存儲(chǔ)計(jì)算機(jī)指令，所述計(jì)算機(jī)指令被處理器執(zhí)行時(shí)，實(shí)現(xiàn)如權(quán)利要求1-6任一項(xiàng)所述的用于腦電分類的余弦卷積多通道組解碼方法。

10.一種電子設(shè)備，其特征在于，包括：處理器、存儲(chǔ)器以及計(jì)算機(jī)程序；其中，處理器與存儲(chǔ)器連接，計(jì)算機(jī)程序被存儲(chǔ)在存儲(chǔ)器中，當(dāng)電子設(shè)備運(yùn)行時(shí)，所述處理器執(zhí)行所述存儲(chǔ)器存儲(chǔ)的計(jì)算機(jī)程序，以使電子設(shè)備執(zhí)行實(shí)現(xiàn)如權(quán)利要求1-6任一項(xiàng)所述的用于腦電分類的余弦卷積多通道組解碼方法。

技術(shù)總結(jié)
本公開提供了用于腦電分類的余弦卷積多通道組解碼方法及系統(tǒng)，涉及人工智能技術(shù)領(lǐng)域，獲取待分類的不同類別的運(yùn)動(dòng)想象腦電信號(hào)，將運(yùn)動(dòng)想象腦電信號(hào)輸入至腦電信號(hào)分類模型中，輸出不同類別的運(yùn)動(dòng)想象腦電信號(hào)的分類結(jié)果；其中，通過余弦卷積時(shí)頻特征提取模塊采用不同頻率的余弦卷積核對(duì)不同的頻率成分進(jìn)行分解和重構(gòu)，得到多尺度時(shí)頻特征；將多尺度時(shí)頻特征再輸入至多通道組空間特征提取模塊，每個(gè)通道子組數(shù)據(jù)采用用獨(dú)立的可分離卷積分支網(wǎng)絡(luò)在通道維度進(jìn)行卷積，得到每個(gè)通道子組腦電信號(hào)的時(shí)頻空特征，將每個(gè)通道子組腦電信號(hào)的時(shí)頻空特征拼接為融合特征向量，通過全連接層輸出運(yùn)動(dòng)想象腦電信號(hào)對(duì)應(yīng)運(yùn)動(dòng)想象每個(gè)類別的概率。

技術(shù)研發(fā)人員：劉國(guó)洋,張睿,王永,周衛(wèi)東,田嵐
受保護(hù)的技術(shù)使用者：山東大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/30