10.11772/j.issn.1001-9081.2018122553
基于时频域的卷积神经网络运动想象脑电信号识别方法
针对目前运动想象脑电(EEG)信号识别率较低的问题,考虑到脑电信号蕴含着丰富的时频信息,提出一种基于时频域的卷积神经网络(CNN)运动想象脑电信号识别方法.首先,利用短时傅里叶变换(STFT)对脑电信号的相关频带进行预处理,并将多个电极的时频图组合构造出一种二维时频图;然后,针对二维时频图的时频特性,通过一维卷积的方法设计了一种新颖的CNN结构;最后,通过支持向量机(SVM)对CNN提取的特征进行分类.基于BCI数据集的实验结果表明,所提方法的平均识别率为86.5%,优于其他传统运动想象脑电信号识别方法;同时将该方法应用在智能轮椅上,验证了其有效性.
运动想象、脑电、时频域、卷积神经网络、智能轮椅
39
TP242.6(自动化技术及设备)
国家自然科学基金资助项目61703067
2019-09-11(万方平台首次上网日期,不代表论文的发表时间)
共4页
2480-2483