【技術實現步驟摘要】
本公開涉及腦電信號處理，尤其涉及一種腦電信號識別方法、裝置、設備、介質和程序產品。
技術介紹
1、腦電信號(eeg，electroencephalography)可以反映大腦神經元放電活動，在生物醫學領域，通常會被廣泛應用于癲癇、帕金森、精神分裂等疾病診斷，以及情緒識別、運動想象等腦科學研究中。
2、相關技術中，在采集到腦電信號后，可以對采集到的腦電信號進行特征提取，得到腦電信號中的特征信息，并對提取到的特征信息進行篩選，以篩選到對識別大腦行為有用的目標特征信息后，進行大腦行為識別。
3、但是，相關技術中提供的腦電信號識別方法，存在數據處理量大的問題，導致腦電信號識別效率低下。
技術實現思路
1、本公開提供一種腦電信號識別方法、裝置、設備、介質和程序產品，可以降提升腦電信號的識別效率。本公開的技術方案如下：
2、根據本公開的第一方面，提供了一種腦電信號識別方法，包括：
3、根據待識別的目標腦電信號，構建全局腦電信號矩陣，并確定與所述全局腦電信號矩陣關聯的參考篩選參數值，其中，所述目標腦電信號包括多個候選通道的腦電信號序列，篩選參數包括平均譜半徑和特征值差值中的至少一種，所述特征值差值為最大特征值與次大特征值之間的差值；
4、基于高斯白噪聲序列和所述全局腦電信號矩陣，得到與每個候選通道分別關聯的更新后全局腦電信號矩陣，并基于與每個候選通道關聯的更新后全局腦電信號矩陣，確定與每個候選通道關聯的候選篩選參數值，其中，與每個候選通
5、基于與所述全局腦電信號矩陣關聯的參考篩選參數值、與每個候選通道關聯的候選篩選參數值，以及腦電信號篩選策略，在所述多個候選通道的腦電信號序列中，篩選目標通道的腦電信號序列；
6、根據所述目標通道的腦電信號序列和腦電信號識別模型，確定所述目標腦電信號的識別結果。
7、根據本公開的第二方面，提供了一種腦電信號識別裝置，包括：
8、第一確定模塊，被配置為根據待識別的目標腦電信號，構建全局腦電信號矩陣，并確定與所述全局腦電信號矩陣關聯的參考篩選參數值，其中，所述目標腦電信號包括多個候選通道的腦電信號序列，篩選參數包括平均譜半徑和特征值差值中的至少一種，所述特征值差值為最大特征值與次大特征值之間的差值；
9、第二確定模塊，被配置為基于高斯白噪聲序列和所述全局腦電信號矩陣，得到與每個候選通道分別關聯的更新后全局腦電信號矩陣，并基于與每個候選通道關聯的更新后全局腦電信號矩陣，確定與每個候選通道關聯的候選篩選參數值，其中，與每個候選通道關聯的更新后全局腦電信號矩陣中，候選通道所在的矩陣行為所述高斯白噪聲序列；
10、篩選模塊，被配置為基于與所述全局腦電信號矩陣關聯的參考篩選參數值、與每個候選通道關聯的候選篩選參數值，以及腦電信號篩選策略，在所述多個候選通道的腦電信號序列中，篩選目標通道的腦電信號序列；
11、識別模塊，被配置為根據所述目標通道的腦電信號序列和腦電信號識別模型，確定所述目標腦電信號的識別結果。
12、根據本公開的第三方面，提供了一種電子設備，包括：
13、處理器；以及
14、存儲程序的存儲器，
15、其中，所述程序包括指令，所述指令在由所述處理器執行時使所述處理器執行如第一方面所述的方法。
16、根據本公開的第四方面，提供了一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行如第一方面所述的方法。
17、根據本公開的第五方面，提供了一種計算機程序產品，包括計算機程序，所述計算機程序在被處理器執行時實現如第一方面所述的方法。
18、本公開實施例提供的腦電信號識別方法、裝置、設備、介質和程序產品，可以將矩陣的平均譜半徑，以及，最大特征值與次大特征值之間的差值中的至少一種作為篩選參數，結合全局腦電信號矩陣的參考篩選參數，以及，與每個候選通道關聯的候選篩選參數，在多個候選通道的腦電信號序列中，篩選出目標通道的腦電信號序列，實現對采集的多通道的腦電信號進行降維，并通過降維后的腦電信號進行大腦行為識別，降低了腦電信號識別過程中的數據量，提升了識別效率。
本文檔來自技高網...【技術保護點】
1.一種腦電信號識別方法，其特征在于，包括：
2.如權利要求1所述的腦電信號識別方法，其特征在于，所述腦電信號識別模型為機器學習模型，
3.如權利要求2所述的腦電信號識別方法，其特征在于，所述對所述目標全局腦電信號矩陣進行特征提取，得到空間特征向量，包括：
4.如權利要求1所述的腦電信號識別方法，其特征在于，所述腦電信號識別模型為深度學習模型，
5.如權利要求1所述的腦電信號識別方法，其特征在于，與所述全局腦電信號矩陣關聯的參考篩選參數值包括參考特征值差值，與每個候選通道關聯的候選篩選參數值包括候選特征值差值，
6.如權利要求5所述的腦電信號識別方法，其特征在于，與所述全局腦電信號矩陣關聯的參考篩選參數值還包括參考平均譜半徑，與每個候選通道關聯的候選篩選參數值還包括候選平均譜半徑，所述方法還包括：
7.一種腦電信號識別裝置，其特征在于，包括：
8.一種電子設備，其特征在于，包括：
9.一種存儲有計算機指令的非瞬時計算機可讀存儲介質，其特征在于，所述計算機指令用于使所述計算機執行如權利要
10.一種計算機程序產品，包括計算機程序，其特征在于，所述計算機程序在被處理器執行時實現如權利要求1-6中任一項所述的方法。
...【技術特征摘要】
1.一種腦電信號識別方法，其特征在于，包括：
2.如權利要求1所述的腦電信號識別方法，其特征在于，所述腦電信號識別模型為機器學習模型，
3.如權利要求2所述的腦電信號識別方法，其特征在于，所述對所述目標全局腦電信號矩陣進行特征提取，得到空間特征向量，包括：
4.如權利要求1所述的腦電信號識別方法，其特征在于，所述腦電信號識別模型為深度學習模型，
5.如權利要求1所述的腦電信號識別方法，其特征在于，與所述全局腦電信號矩陣關聯的參考篩選參數值包括參考特征值差值，與每個候選通道關聯的候選篩選參數值包括候選特征值差值，
6...
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。