基于GST-ECNN的运动想象脑电信号识别方法

摘要：

在对脑电信号的解码研究中,存在着现有时频分析方法对高频信号处理能力有限,多通道信号信息冗余,常用卷积神经网络分类器ReLU激活函数受学习速率的影响较大,对不同层采用相同的正则化很难获得满意结果等问题.为此,提出了一种基于广义S变换特征提取和增强卷积神经网络分类相结合的方法,同时提出一种结合Relief算法和向前选择搜索策略的包裹式方法进行通道选择.结果表明,提出的方法利用较少的信号通道,具有更强的特征提取和分类的能力,在第IV届BCI的数据集I上取得最高98.44±1.5％的分类准确率,高于其他现有算法.该方法良好的分类性能不仅减少了计算消耗,也有效提高了分类准确率,对脑电信号特征提取和分类具有一定的参考意义.

关键词：计量学、脑电信号、运动想象、广义S变换、增强卷积神经网络、包裹式通道选择、脑-机接口

所属期刊栏目：43

分类号：TB99;TB973(计量学)

资助基金：国家自然科学基金;中央引导地方科技发展资金

在线出版日期：2022-11-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1341-1347