一种基于Softmax的SSVEP划窗分类方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115587330A(43)申请公布日2023.01.10(21)申请号202211274657.8A61B5/378(2021.01)(22)申请日2022.10.18A61B5/372(2021.01)A61G5/04(2013.01)(71)申请人浙江工业大学台州研究院A61G5/10(2006.01)地址318057浙江省台州市椒江区滨海工G06F3/01(2006.01)业区海丰路2479号G06F123/00(2023.01)(72)发明人杨庆华叶兴锋段旭贤王志恒(74)专利代理机构杭州求是专利事务所有限公司33200专利代理师林超(51)Int.Cl.G06F18/2415(2023.01)G06N3/0464(2023.01)G06N3/047(2023.01)G06N3/048(2023.01)G06N3/08(2006.01)权利要求书2页说明书5页附图1页(54)发明名称一种基于Softmax的SSVEP划窗分类方法(57)摘要本发明公开了一种基于Softmax的SSVEP划窗分类方法。方法包括：采集初始SSVEP脑电信号数据；处理构建为训练集；构建FFT‑CNN神经网络；将训练集输入处理，输出工作类别的softmax值，计算分类平均值；获得训练完成的网络；实时采集检测SSVEP脑电信号数据，处理后输入训练完成的网络中处理输出，获得检测平均值；选取预测平均值和预测工作类别；将分类平均值与预测平均值进行比较，对检测者的工作类别进行分类，即实现检测者在预设时间段内的阶段状态的确定。本发明引入了权重的概念，用Softmax对每次的识别结果分配一个权重，相比于传统的划窗投票方法，本发明的分类精度高，具有优越的分类性能。CN115587330ACN115587330A权利要求书1/2页1.一种基于Softmax的SSVEP划窗分类方法，其特征在于：包括如下步骤：步骤一：在预设时间段内，采集佩戴有脑电帽的若干被试者的大脑枕区在工组状态下的初始SSVEP脑电信号数据；步骤二：针对步骤一中的每个初始SSVEP脑电信号数据，均依次进行信号预处理和划窗分割处理后获得若干初始预处理信号数据，每个初始SSVEP脑电信号数据的各个初始预处理信号数据构成训练子集，各个训练子集共同构建为训练集；步骤三：构建FFT‑CNN神经网络；步骤四：将训练集输入FFT‑CNN神经网络中处理，针对训练集中的每个训练子集的每个初始预处理信号数据，FFT‑CNN神经网络均处理后输出被试者在初始预处理信号数据的持续时间段内的工作状态的N种工作类别的softmax值，针对每种工作类别，计算获得被试者在训练集中的各个初始预处理信号数据的持续时间段内的工作状态的工作类别的softmax值的平均值作为工作类别的分类平均值；同时获得训练完成的FFT‑CNN神经网络；步骤五：实时采集预设时间段内佩戴有脑电帽的检测者的大脑枕区的检测SSVEP脑电信号数据，将检测SSVEP脑电信号数据进行步骤二中的信号预处理和划窗分割处理后获得若干检测预处理信号数据，针对每个检测预处理信号数据，均输入训练完成的FFT‑CNN神经网络中处理后输出检测者在检测预处理信号数据的持续时间段内的N种工作类别的softmax值，针对每种工作类别，计算获得检测者在检测SSVEP脑电信号数据的各个检测预处理信号数据的持续时间段内的工作类别的softmax值的平均值作为工作类别的检测平均值；选取各个工作类别的检测平均值中的最大值及其工作类别分别作为检测者的预测平均值和预测工作类别；将步骤四中与预测工作类别相同的工作类别的分类平均值与预测平均值进行比较，对检测者的工作类别进行分类，即实现检测者在预设时间段内的阶段状态的确定，在下一个预设时间段内重复步骤五中当前预设时间段内的操作，实现对检测者的工作类别的实时持续的分类，即实现检测者在预设时间段内的阶段状态的实时持续的确定。2.根据权利要求1所述的一种基于Softmax的SSVEP划窗分类方法，其特征在于：所述的步骤一中，针对每个脑电帽和佩戴有脑电帽的被试者，脑电帽中具体设有七个测量电极，分别紧贴被试者的大脑枕区的七个位置处，在预设时间段内，脑电帽通过七个测量电极共同测量获得被试者在工作状态下的初始SSVEP脑电信号数据；所述的大脑枕区的七个位置具体为Oz、O1、PO3、POz、Pz、PO4和O2。3.根据权利要求1所述的一种基于Softmax的SSVEP划窗分类方法，其特征在于：所述的步骤一中，被试者的工作状态具体为在被试者眼睛的正前方同时持续闪烁N种不同频率的刺激源，被试者在预设时间段内持续注视其中任一一种频率的刺激源；将被试者在预设时间段内持续注视每种频率的刺激源的N种情况作为被试者的工作