改进孪生网络的脑电信号处理方法

摘要：

针对运动想象脑机接口系统中分类准确率低的问题,提出一种改进孪生网络的脑电信号分类方法,把原孪生网络中的两个子网络扩充成3个子网络,并设计了新的学习样本采集方法和距离函数;脑电信号经过小波变换及经验模态分解,利用自相关系数筛选得到预处理后的小波分量,然后随机分割成训练集和测试集,从训练集中按照新的学习样本采集方法获得学习样本集,将其输入3个权重共享的子网络进行训练,使用新的距离函数进行相似度的对比,最后计算测试样本特征与训练集中标签为1和标签为0样本特征相似度,选择最高相似度样本标签作为该待测样本的类别;通过对国际公开BCI Competition Ⅱ Data set Ⅲ和The largest SCP data of Motor-Imagery数据集进行仿真,此算法分类准确率高达94.29％;与现有性能较高的算法进行对比,其有效的提高了分类准确率,能更好地进行脑电信号分类识别.

关键词：运动想象脑电、小波变换、自相关系数、经验模态分解、孪生网络

所属期刊栏目：30

分类号：TP3(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-04-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：211-216