一种同步提取运动想象信号时-频-空特征的卷积神经网络算法

摘要：

从脑电信号中精确提取和运动想象相关的特征是运动意图识别的难点之一.为了准确识别运动意图,提出一种可以同步提取运动想象信号时间、频率和空间特征的卷积神经网络算法,称为时-频-空卷积神经网络(Time-Frequency-Spatial Convolutional Neural Networks,TFSCNN).TFSCNN利用3D卷积提取运动想象信号的频率特征,深度可分离卷积提取空间和时间特征,最后使用时间卷积神经网络进一步提取时间特征.利用公开数据集BCI Competition Ⅳ dataset 2b对提出的算法模型进行评估,结果显示该模型的平均准确率达到了 81.86％,平均Kappa值为0.632.模型获得的Kappa值比滤波器组共空间模式算法提高了 25.2％,比卷积神经网络-堆叠自动编码器算法提高了 12.8％,证实提出的TFSCNN模型的有效性.并且,TFSCNN模型使用了深度可分离卷积,比相同参数的标准CNN节省了 2/3的训练时间,单次测试耗时仅为1.25E-5 s,未来有望应用于在线脑机接口(BCI)系统.

关键词：运动想象;运动意图识别;卷积神经网络;特征提取与分类

所属期刊栏目：57

分类号：TP249;R49(自动化技术及设备)

资助基金：国家自然科学基金U1713218

在线出版日期：2022-02-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1064-1074