买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：重庆邮电大学

摘要：本发明请求保护一种基于改进SMOTE算法的脑电信号样本扩充方法、介质及系统，使用脑电信号采集仪器采集脑电信号数据；对脑电信号进行包括带通滤波、基线校验、归一化在内的方法进行预处理，划分为测试数据集与训练数据集；使用改进的SMOTE算法对脑电信号进行样本筛选并作为原始样本；将样本分成safe、danger以及noise三种类型；使用幅频加噪技术对在原始样本的基础上合成人工样本，从而实现数据集的样本扩充，合并成为新的训练数据集；利用卷积神经网络进行性能测试。本发明相比其余传统脑电数据样本扩充方法能更有效地提升生成新样本的质量与数量，使得训练卷积神经网络时有效提取特征，提升分类准确度，一定程度上解决了脑电信号数据集样本量小的问题。

主权项：1.一种基于改进SMOTE算法的脑电信号样本扩充方法，其特征在于，包括以下步骤：使用脑电信号采集仪器采集脑电信号数据；对脑电信号进行包括带通滤波、基线校验、归一化在内的方法进行预处理，预处理后的信号组成数据集并划分为测试数据集与训练数据集；使用改进的合成少数类过采样技术SMOTE对经过预处理后的脑电信号进行样本筛选并作为原始样本，改进的SMOTE算法：首先，原始SMOTE算法使用传统欧式距离对样本的领域进行求取，但是欧氏距离不适用于时间序列样本，因此为了更好的获取时序样本的领域信息，使用动态时间规整算法求取样本领域求取样本领域信息；然后，为了使新合成的人工样本分布可控，将样本按照一定条件分成safe、danger以及noise三种类型，为人工样本合成做准备；使用幅频加噪技术对在原始样本的基础上合成人工样本，从而实现数据集的样本扩充，将人工样本与划分出来的训练数据集合并成为新的训练数据集；利用卷积神经网络进行性能测试；所述使用改进的SMOTE算法对经过预处理后的脑电信号进行样本筛选并作为原始样本，具体包括：将脑电信号Sn∈RC×T用一维时序Sn＝{s1,s2,…,si}进行表示，si代表电极i采集到的信号；C代表不同电极，T代表电极上采集的脑电信号；按照以下方式求取Sn的领域样本，得到距离Sn最近的k个样本；原始SMOTE算法中采用的是欧氏距离对样本距离进行求取，其公式为： 在该算法中，输入样本为时间序列样本，因此使用动态时间规整算法求取脑电信号样本之间的距离，其公式为： 上式中gi和hj分别为两个时序样本，i、j分别为样本长度；所述将样本按照一定条件分成safe、danger以及noise三种类型，具体包括以下步骤：为了使合成的人工样本与处于边界的样本相似，需要根据样本的k个领域信息对样本进行分类：对于样本S，k个样本中与样本S为不同标签的领域样本为k-n个，则与样本S为相同标签的领域样本为n个，将领域相同标签样本与k的比值作为判断参数c；设置区间A＝[a1,a2]，其中0a1a21；若ca1,则认为样本S为noise类样本；若ca2，则认为样本S为safe类样本；若c∈A，则认为样本S为danger类样本；其中danger类样本代表的是处于边界的样本；对训练数据集中的每一个样本重复以上步骤，得到danger类样本集；所述使用幅频加噪技术对在原始样本的基础上合成人工样本，从而实现数据集的样本扩充，将人工样本与划分出来的训练数据集合并成为新的训练数据集，具体包括：将danger类样本集作为样本扩充的原始数据集，使用幅频加噪技术对在原始样本的基础上合成人工样本；先采用STFT算法提取脑电信号记录的频谱图像，将xt表示为从脑电信号样本xi的一个电极采集的时间序列，信号xt的STFT定义如下: 其中ωt-τ为窗口函数，Zt,f为二维复矩阵，包含xt在时刻t和频率f的幅值和相位信息；将Zt,f中得到的每个时刻t和频率f的幅值与相位分别表示为at,f，高斯噪声表示为e～Nμ,σ，接着将噪声添加到幅值中，即将新的幅值与原有相位进行重构得到时序新的xt；按照此步骤应用于每个电极，最终获得新的样本；若添加不同强度的噪音，则可以在一个原始样本的基础上合成多个人工样本；对每一个原始数据集中的样本重复以上步骤的操作，得到人工合成原始数据集样本量3-4倍的样本。

全文数据：

权利要求：

百度查询： 重庆邮电大学 基于改进SMOTE算法的脑电信号样本扩充方法、介质及系统