用于稳态视觉诱发电位脑机接口目标识别的深度学习方法

摘要：

针对稳态视觉诱发电位(SSVEP)脑电信号存在个体差异性强、信噪比低等特点而导致其识别困难等问题,提出一种用于SSVEP信号分类识别的深度学习方法.该方法以原始多通道SSVEP信号为输入,利用SSVEP信号的时空特性,首先使用一维时间卷积核对输入信号的时域进行卷积操作;然后使用一维空间卷积核进行空域卷积,对多通道信息进行融合;最后采用降采样、多尺度卷积、全连接等操作完成SSVEP信号的分类识别.实验结果表明:利用该方法在较短时间的视觉刺激下即可实现对被试者SSVEP信号的有效识别;在1 s刺激时长时,该方法的平均离线信息传输率为94.17 b/min,平均识别准确率为93.3％,相比于无监督典型相关分析方法和有监督支持向量机分析方法,识别准确率分别提升了48.73％、41.21％.该方法具有较高的目标识别效率及鲁棒性,有效提高了基于稳态视觉诱发电位信号的脑-机接口的性能.

关键词：稳态视觉诱发电位、脑-机接口、目标识别、深度学习

所属期刊栏目：53

分类号：TP23(自动化技术及设备)

资助基金：国家自然科学基金资助项目61503298

在线出版日期：2019-12-13（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：42-48