脑电信号的分类方法、装置、脑机接口设备及存储介质

本发明涉及脑机接口，尤其涉及一种脑电信号的分类方法、装置、脑机接口设备及存储介质。

背景技术：

1、脑机接口(brain computer interface，bci)技术允许直接从脑活动中提取信号以控制外部设备或进行通信。尽管传统bci系统依赖于线性模型或传统神经网络，但这些方法在处理神经电信号的非线性和时变特性方面存在局限。特别是，它们往往依赖于繁琐的特征提取和选择过程，这不仅增加了系统复杂性，还可能限制了性能。

2、因此，现有的神经电信号的处理方式精度低，且需要处理大量数据，算法延迟高，不能满足实时性的需求。

技术实现思路

1、本发明提供了一种脑电信号的分类方法、装置、脑机接口设备及存储介质，以实现脑电信号的精确分类，降低延时。

2、根据本发明的一方面，提供了一种脑电信号的分类方法，包括：

3、获取由脑活动产生的神经电信号数据，通过自适应阈值检测算法将所述神经电信号数据转换为目标脉冲序列；

4、对所述目标脉冲序列进行分段求和处理，得到目标编码序列；

5、将所述目标编码序列输入至目标脉冲神经网络，得到所述目标脉冲神经网络输出的目标分类结果，其中，所述目标分类结果与所述脑活动的意图相对应。

6、根据本发明的另一方面，提供了一种脑电信号的分类装置，包括：

7、神经信号获取模块，用于获取由脑活动产生的神经电信号数据，通过自适应阈值检测算法将所述神经电信号数据转换为目标脉冲序列；

8、编码序列生成模块，用于对所述目标脉冲序列进行分段求和处理，得到目标编码序列；

9、分类结果确定模块，用于将所述目标编码序列输入至目标脉冲神经网络，得到所述目标脉冲神经网络输出的目标分类结果，其中，所述目标分类结果与所述脑活动的意图相对应。

10、根据本发明的另一方面，提供了一种脑机接口设备，所述脑机接口设备包括：

11、至少一个处理器；以及

12、与所述至少一个处理器通信连接的存储器；其中，

13、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的脑电信号的分类方法。

14、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的脑电信号的分类方法。

15、本发明实施例的技术方案，通过获取由脑活动产生的神经电信号数据，通过自适应阈值检测算法将神经电信号数据转换为目标脉冲序列；对目标脉冲序列进行分段求和处理，得到目标编码序列。不仅将神经电信号数据转换为适于脉冲神经网络处理的数据格式，还简化了数据量。进而，将目标编码序列输入至具备优异的时序数据处理能力的目标脉冲神经网络，得到目标脉冲神经网络输出的目标分类结果，解决了现有技术精度低，且需要处理大量数据，算法延迟高，不能满足满足实时性的需求的问题，提高了脑电信号分类的精度和实时性。

16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。

1.一种脑电信号的分类方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述神经电信号数据包括采样时刻和所述采样时刻对应的电位值，所述通过自适应阈值检测算法将所述神经电信号数据转换为目标脉冲序列，包括：

3.根据权利要求2所述的方法，其特征在于，所述确定所述第一待处理窗口对应的自适应阈值，包括：

4.根据权利要求3所述的方法，其特征在于，通过如下公式计算所述第一待处理窗口的自适应阈值：

5.根据权利要求1所述的方法，其特征在于，所述对所述目标脉冲序列进行分段求和处理,得到目标编码序列，包括：

6.根据权利要求5所述的方法，其特征在于，通过如下公式计算所述脉冲总和值：

7.根据权利要求1所述的方法，其特征在于，所述目标脉冲神经网络为脉冲多层感知机结构，所述目标脉冲神经网络包括输入层、隐藏层和输出层；

8.一种脑电信号的分类装置，其特征在于，包括：

9.一种脑机接口设备，其特征在于，所述脑机接口设备包括：

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的脑机接口解码方法。