融合多尺度自注意力机制的运动想象信号解析

摘要：

基于运动想象脑电信号的脑机接口(BCI)技术近年来发展迅速,并且与传统方法相比,深度学习取得了具有竞争力的效果.然而如何设计和训练一个端到端网络来充分提取运动想象脑电信号的潜在特征仍然是一个挑战.从脑电的时间和空间特征出发,提出了一个基于注意力机制的多尺度时空自注意力网络模型用于运动想象脑电信号四分类(左手、右手、脚、舌头/休息).由于运动想象脑电信号的幅值与响应时间因人而异,无法确切确定与运动想象最相关的大脑区域,在空间上使用自注意力机制自动将较高的权重加权到与运动相关的通道,将较低的权重加权到与运动无关的通道来选择最佳通道;在时间上,使用并行多尺度TCN层提取不同尺度下的时间域特征信息,消除时间域上的噪声.多尺度融合模块融合提取的空间和时间域特征,最后输入到特征分类模块进行分类.提出的模型在BCI竞赛数据集IV-2a、IV-2b数据集和HGD数据集上分别达到79.26％、85.90％和96.96％的精度.与现有方法相比,该方法在单被试分类中具有更高的准确率.结果表明,该方法具有较好的性能、鲁棒性和迁移学习能力.

关键词：运动想象、注意力、脑机接口、深度学习、多尺度

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省自然科学基金;河北省高等学校科学技术研究项目

在线出版日期：2023-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共14页

页码：1427-1440