|
|
1.
基于时频域的卷积神经网络运动想象脑电信号识别方法
胡章芳, 张力, 黄丽嘉, 罗元
计算机应用
2019, 39 (8):
2480-2483.
DOI: 10.11772/j.issn.1001-9081.2018122553
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。
参考文献 |
相关文章 |
多维度评价
|
|
