本技術(shù)涉及生物電信號分類領(lǐng)域，尤其涉及一種基于神經(jīng)架構(gòu)搜索的喉電信號分類方法、裝置及電子設(shè)備。

背景技術(shù)：

1、解譯喉部肌肉運(yùn)動(dòng)產(chǎn)生的電信號，對實(shí)現(xiàn)語音識(shí)別和通信具有重要意義。為了快速準(zhǔn)確地提取喉電信號的語義信息，基于深度學(xué)習(xí)理論的喉電信號解譯已經(jīng)成為一種主要的技術(shù)。其中，基于長短時(shí)記憶網(wǎng)絡(luò)的喉電信號解譯技術(shù)取得了良好的性能。但是，傳統(tǒng)長短時(shí)記憶網(wǎng)絡(luò)的控制器記憶單元容量有限，限制了其捕捉長時(shí)間跨度依賴問題的性能，且搜索空間范圍過大、網(wǎng)絡(luò)模型多樣性受限。為此，基于神經(jīng)架構(gòu)搜索理論能夠在搜索空間中自動(dòng)設(shè)計(jì)和優(yōu)化網(wǎng)絡(luò)架構(gòu)找到更優(yōu)模型結(jié)構(gòu)的優(yōu)勢，開展基于神經(jīng)架構(gòu)搜索的喉電信號分類是一種有望突破基于傳統(tǒng)長短時(shí)記憶網(wǎng)絡(luò)喉電信號分類網(wǎng)絡(luò)設(shè)計(jì)瓶頸的新范式，以提高喉電信號的分類精度。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供一種基于神經(jīng)架構(gòu)搜索的喉電信號分類方法、裝置、介質(zhì)及電子設(shè)備，能夠結(jié)合神經(jīng)架構(gòu)搜索技術(shù)實(shí)現(xiàn)喉電信號特征提取和分類，推動(dòng)對喉電信號的研究。

2、第一方面，本技術(shù)提供一種基于神經(jīng)架構(gòu)搜索的喉電信號分類方法，包括：

3、獲取喉電信號數(shù)據(jù)并進(jìn)行預(yù)處理，將預(yù)處理后的喉電信號數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集、測試集；

4、通過控制器生成子模型，所述控制器是執(zhí)行神經(jīng)架構(gòu)搜索方法的模型；

5、從所述訓(xùn)練集中獲取小批量訓(xùn)練集對所述子模型進(jìn)行訓(xùn)練，并采用所述驗(yàn)證集確定訓(xùn)練后的子模型的分類精度；

6、將所述分類精度作為所述控制器的獎(jiǎng)勵(lì)，通過所述獎(jiǎng)勵(lì)更新所述控制器，并通過更新后的控制器再次生成子模型，將分類精度最高的子模型作為喉電信號分類模型；

7、通過所述訓(xùn)練集對所述喉電信號分類模型進(jìn)行訓(xùn)練，采用訓(xùn)練后的所述喉電信號分類模型對所述測試集中的喉電信號數(shù)據(jù)進(jìn)行分類。

8、根據(jù)本實(shí)施例的基于神經(jīng)架構(gòu)搜索的喉電信號分類方法，采用nas設(shè)計(jì)對于喉電信號的分類模型，能夠減少人工設(shè)計(jì)網(wǎng)絡(luò)架構(gòu)的工作量；并且通過對nas的控制器進(jìn)行更新，優(yōu)化其設(shè)計(jì)的模型結(jié)構(gòu)，能夠最大程度地優(yōu)化模型結(jié)構(gòu)，有利于提高分類模型對喉電信號進(jìn)行分類的分類精度；對于當(dāng)前喉電信號研究領(lǐng)域提供新的思路，能夠推動(dòng)對于喉電信號分類的研究和應(yīng)用。

9、在示例性的實(shí)施方式中，基于前述方法，喉電信號預(yù)處理方法，包括：

10、通過六階巴特沃斯帶通濾波對喉電信號進(jìn)行濾波；

11、對濾波后的喉電信號進(jìn)行降采樣處理；

12、對降采樣處理后的喉電信號進(jìn)行基線校正；

13、對基線校正后的喉電信號進(jìn)行通用平均參考去除共模噪聲，得到干凈的喉電信號數(shù)據(jù)。

14、在示例性的實(shí)施方式中，基于前述方法，所述通過控制器生成子模型，包括：

15、確定所述控制器的搜索空間為因式分解分層搜索空間，所述因式分解分層搜索空間中包括多個(gè)網(wǎng)絡(luò)組成部分，包括移動(dòng)反向瓶頸卷積以及深度可分離卷積等卷積類型及采用的卷積核大小和連接方式；

16、通過所述控制器在所述因式分解分層搜索空間中確定每個(gè)所述網(wǎng)絡(luò)組成部分的層結(jié)構(gòu)，得到子模型。

17、在示例性的實(shí)施方式中，基于前述方法，所述通過所述控制器將所述搜索空間中所述卷積神經(jīng)網(wǎng)絡(luò)單元進(jìn)行連接之后，還包括：

18、在所述控制器輸出的網(wǎng)絡(luò)組成部分后添加基于串行連接的通道注意力殘差結(jié)構(gòu)模塊和空間注意力殘差結(jié)構(gòu)模塊。

19、在示例性的實(shí)施方式中，基于前述方法，所述從所述訓(xùn)練集中獲取小批量訓(xùn)練集對所述子模型進(jìn)行訓(xùn)練，包括：

20、將所述小批量訓(xùn)練集中包括的喉電信號輸入所述子模型，得到所述子模型輸出的預(yù)測標(biāo)簽；

21、確定所述小批量訓(xùn)練集中所述喉電信號的樣本標(biāo)簽與所述預(yù)測標(biāo)簽的交叉熵?fù)p失；

22、采用蒙特卡洛估計(jì)算法確定期望損失，并通過反向傳播得到損失對應(yīng)的梯度信息，利用所述梯度信息更新所述子模型的參數(shù)；

23、重復(fù)上述步驟，得到訓(xùn)練后的子模型。

24、在示例性的實(shí)施方式中，基于前述方法，所述采用所述驗(yàn)證集確定訓(xùn)練后的子模型的分類精度，包括：

25、將小批量訓(xùn)練集訓(xùn)練好的子模型使用驗(yàn)證集數(shù)據(jù)進(jìn)行驗(yàn)證，得到子模型的分類精度。

26、在示例性的實(shí)施方式中，基于前述方法，所述將所述分類精度作為所述控制器的獎(jiǎng)勵(lì)，通過所述獎(jiǎng)勵(lì)更新所述控制器，包括：

27、通過策略梯度算法計(jì)算所述獎(jiǎng)勵(lì)對應(yīng)的所述控制器的參數(shù)梯度，將所述參數(shù)梯度輸入優(yōu)化器，通過所述優(yōu)化器對所述控制器的參數(shù)進(jìn)行更新。

28、在示例性的實(shí)施方式中，基于前述方法，所述將分類精度最高的子模型作為喉電信號分類模型，包括：

29、將分類精度最高的子模型選為喉電信號分類模型，通過完整的訓(xùn)練集重新訓(xùn)練。

30、在示例性的實(shí)施方式中，基于前述方法，所述獲取喉電信號數(shù)據(jù)并進(jìn)行預(yù)處理，包括：

31、步驟1：通過六階巴特沃斯帶通濾波對喉電信號執(zhí)行帶通濾波，獲取喉電信號0.5～60hz目標(biāo)頻帶；

32、步驟2：對濾波后的喉電信號進(jìn)行降采樣處理，降至200hz；

33、步驟3：對降采樣處理后的喉電信號進(jìn)行基線校正，確定喉電信號中用于計(jì)算基線值的校正窗口為通道前100ms，在該時(shí)間窗口內(nèi)計(jì)算喉電信號的平均值，從信號的每個(gè)時(shí)間點(diǎn)上減去計(jì)算出的平均值；

34、步驟4：利用基線校正后的喉電信號獲取通用平均參考信號，具體地，通過計(jì)算所有記錄電極的平均電位，并將其作為參考電極的電位，減去每個(gè)電極的電位，得到通用平均參考信號，作為預(yù)處理后的喉電信號數(shù)據(jù)。

35、在示例性的實(shí)施方式中，基于前述方法，所述控制器為由標(biāo)量長短期記憶網(wǎng)絡(luò)以及矩陣長短期記憶網(wǎng)絡(luò)組成的擴(kuò)展長短期記憶網(wǎng)絡(luò)；每個(gè)標(biāo)量長短期記憶單元負(fù)責(zé)生成短期依賴操作，每個(gè)矩陣長短期記憶單元負(fù)責(zé)生成長期依賴操作；擴(kuò)展長短期記憶網(wǎng)絡(luò)通過兩單元交替使用，在每一步同時(shí)考慮局部和全局信息，生成更有效的子模型架構(gòu)。

36、第二方面，本技術(shù)提供一種基于神經(jīng)架構(gòu)搜索的喉電信號分類裝置，包括：

37、數(shù)據(jù)獲取模塊，用于獲取喉電信號數(shù)據(jù)并進(jìn)行預(yù)處理，將預(yù)處理后的喉電信號數(shù)據(jù)劃分為訓(xùn)練集、驗(yàn)證集、測試集；子模型構(gòu)建模塊，用于通過控制器生成子模型，所述控制器是執(zhí)行神經(jīng)架構(gòu)搜索方法的模型；

38、子模型優(yōu)化模塊，用于從所述訓(xùn)練集中獲取小批量數(shù)據(jù)集對所述子模型進(jìn)行訓(xùn)練，并采用所述驗(yàn)證集確定訓(xùn)練后的子模型的分類精度；

39、控制器優(yōu)化模塊，用于將所述分類精度作為所述控制器的獎(jiǎng)勵(lì)，通過所述獎(jiǎng)勵(lì)更新所述控制器，并通過更新后的控制器再次生成子模型，將分類精度最高的子模型作為喉電信號分類模型；

40、分類模型確定模塊，用于通過所述訓(xùn)練集對所述喉電信號分類模型進(jìn)行訓(xùn)練，采用訓(xùn)練后的所述喉電信號分類模型對測試集中的喉電信號數(shù)據(jù)進(jìn)行分類。

41、第三方面，本技術(shù)提供一種電子設(shè)備，該電子設(shè)備包括存儲(chǔ)器、一個(gè)或多個(gè)處理器。其中，該存儲(chǔ)器中存儲(chǔ)有一個(gè)或多個(gè)計(jì)算機(jī)程序，計(jì)算機(jī)程序包括指令，當(dāng)該指令被處理器執(zhí)行時(shí)，可使得電子設(shè)備執(zhí)行如第一方面中的基于神經(jīng)架構(gòu)搜索的喉電信號分類方法。

42、第四方面，本技術(shù)提供一種計(jì)算機(jī)可讀介質(zhì)，該計(jì)算機(jī)可讀介質(zhì)中存儲(chǔ)有指令，當(dāng)該指令在電子設(shè)備上運(yùn)行時(shí)，使得電子設(shè)備執(zhí)行如第一方面中的基于神經(jīng)架構(gòu)搜索的喉電信號分類方法。

43、第五方面，本技術(shù)提供一種計(jì)算機(jī)程序產(chǎn)品，當(dāng)該計(jì)算機(jī)程序產(chǎn)品在電子設(shè)備上運(yùn)行時(shí)，使得該電子設(shè)備執(zhí)行如第一方面所述的基于神經(jīng)架構(gòu)搜索的喉電信號分類方法。

44、可以理解地，上述提供的基于神經(jīng)架構(gòu)搜索的喉電信號分類裝置、電子設(shè)備、計(jì)算機(jī)可讀介質(zhì)、計(jì)算機(jī)程序產(chǎn)品所能達(dá)到的有益效果，可參考第一方面中的有益效果，此處不再贅述。