申请/专利权人：西安电子科技大学

申请日：2024-04-02

公开（公告）日：2024-06-21

公开（公告）号：CN118228052A

主分类号：G06F18/214

分类号：G06F18/214;G06F18/10;G06F3/05;G06F17/16;G06F3/01;G06F123/02

优先权：

专利状态码：在审-公开

法律状态：2024.06.21#公开

摘要：本发明提出了一种基于时间局部加权的锁相时移数据增强方法，解决了现有技术中扩充数据无法充分保留原始信号特征，信噪比低，训练数据采集耗时长的问题，实现步骤为：采集SSVEP信号，截取得到原始模板信号；按照锁相时移步长滑动窗口，得到锁相时移数据集；得到每个刺激源的时间滤波器；经滤波得到时域滤波后的锁相时移数据集；生成扩充训练数据集。本发明将SSVEP的响应周期长度定义为锁相时移步长，保留了信号的原始特征，通过局部时间协方差矩阵提高了抑制扩充信号中噪声的性能，减少了训练数据的采集时间，在小训练集的情况下也保证了较高的识别准确率，提高了SSVEP‑BCI系统中训练数据的采集效率，可应用在机器人控制等人机交互场景中。

主权项：1.一种基于时间局部加权的锁相时移数据增强方法，其特征在于，通过刺激源刺激频率对应的周期设置为锁相时移步长，根据该步长滑动时间窗口对由相应刺激源诱发的稳态视觉诱发电位SSVEP信号进行截取，形成锁相时移数据集，再通过正余弦参考信号和原始信号来训练时间滤波器，经时间滤波器局部加权后的截取数据与原始信号自身构成扩充训练数据集，包括有如下步骤：步骤1，采集SSVEP信号，截取得到原始模板信号χorg：对每个刺激源进行多试次的SSVEP信号采集，采集试次数量为Nt，随后对Nt个试次的SSVEP信号进行采集试次上的平均，得到当前刺激源的模板信号，同时从该信号产生的起始时间开始截取一段作为原始模板信号χorg，其截取长度为训练时间窗的长度；步骤2，按照锁相时移步长滑动窗口，得到锁相时移数据集χaug：基于滑动窗策略，按照锁相时移步长滑动窗口，得到每个窗口中的截取数据，计算每个刺激源对应的锁相时移步长，并根据锁相时移步长计算每次截取数据的开始时间；从每次开始时间起，对每个刺激源的模板信号进行多次截取，模板信号的截取次数为Nk，每次截取的时间窗长度均为训练时间窗的长度，多次截取后生成的数据段整体构成对应刺激源的锁相时移数据集χaug；步骤3，得到对应刺激源的时间滤波器ψ：定义信号的邻接矩阵来表示信号一个周期内完整的有效信息；构建每个刺激源对应频率的正余弦参考信号；利用信号的邻接矩阵计算参考信号的时间局部协方差矩阵、原始模板信号的时间局部协方差矩阵，以及参考信号和原始模板信号间、原始模板信号和参考信号间的时间局部协方差矩阵；利用上述四个时间局部协方差矩阵构造使χorg与正余弦参考信号局部时间相关性最大化的目标函数，求得对应刺激源的时间滤波器ψ；步骤4，经滤波得到时域滤波后的锁相时移数据集对于每个刺激源，使用相应的时间滤波器对该刺激源的锁相时移数据集χaug滤波，对χaug中的每一次截取数据进行时域滤波；时域滤波后的所有试次的截取数据构成时域滤波后的锁相时移数据集步骤5，生成扩充训练数据集将当前刺激源诱发的所有试次的SSVEP信号同样从开始截取一段训练时间窗的长度，得到原始数据集χo；将原始数据集χo、原始模板信号χorg和时域滤波后的锁相时移数据集合并生成当前刺激源的扩充训练数据集扩充训练数据集从原始数据集χo中的Nt次数据扩充到Naug次数据，Naug为扩充训练数据集中所有试次数，Naug＝Nt+Nk+1，当Nt＞1时，Naug＝Nt+Nk+1；当Nt＝1时，Naug＝Nt+Nk；截取得到的扩充数据保留了原始SSVEP信号锁时锁相以及频域上的特征，同时通过时间滤波器实现了对信号时域信息的局部加权，有效抑制了扩充信号中的噪声。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于时间局部加权的锁相时移数据增强方法

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