一种注意力残差网络结合LSTM的EEG情绪识别方法

专利主权项内容

1.一种注意力残差网络结合LSTM的EEG情绪识别方法，其特征在于：包括数据收集读取模块、网络模型读取运算模块以及数据试验模块；所述数据收集读取模块通过读取数据库中的原始脑电信号，将数据根据时域进分成N段，通过公式对特征值h(X)的微分熵进行计算，将读取的信号特征将其对应的坐标映射到二维空间矩阵中同时设置二维特征图的高h和宽w，之后将不同频段d的二维特征图进行堆叠，生成三维特征矩阵，之后根据N段原始脑电信号进行对应生成四维特征矩阵R，将每个输入的样本S存储到四维特征矩阵R中，在数据收集读取模块生成的四维特征矩阵后，将数据传递至网络模型读取运算模块中；nN*d*h*w所述网络模型读取运算模块通过建立网络模型，网络模型包括有三个模块，分别为ECA模块、ECA-ResNet模块和LSTM模块，所述ECA模块通过使用一种不降维的局部跨信道交互策略，来计算局部跨信道交互的覆盖率k，根据公式计算出注意力权重P，所述ECA-ResNet模块将残差网络结构通过输入的样本S得出输出样本Q，所述LSTM模块结合数据收集读取模块中的四维特征矩阵R以及ECA-ResNet模块中的输出样本Q计算对应时间段脑电信号中的时空以及频率信息，并将数据发送到数据试验模块中；2nnN*d*h*wn所述数据试验模块读取网络模型读取运算模块中的计算数据通过准确率、精确率、召回率以及建立的模型性能的指标来对试验结果进行分析，并对分析结果附带上预测标签。