一种基于CNN与Transformer的多尺度时空特征提取用于脑电情感识别的分类方法

本发明为一种基于CNN与Transformer的多尺度时空特征提取用于脑电情感识别的分类方法。首先，把预处理后的脑电信号进行滑窗处理，使获得更多的训练数据；然后利用短时傅里叶变换把脑电信号转换为时频图输入至深度卷积模块；深度卷积模块提取出脑电信号不同深度的特征信息再输入至特征提取模块，并通过特征提取模块中的C‑T模块有效提升了脑电信号全局和局部信息的提取能力；最后，把特征提取模块的数据整合起来进行四分类任务。本发明设计了CNN与Transformer结合的混合模块，并与能感知脑电信号更深层的多尺度分辨率特征的并行网络模型相结合，加之采用滑窗方法与重新定义的四分类的情感标签相配合，成功提高了训练效率和四分类的分类准确率。