机构名称：
¥ 1.0
基于脑电信号的脑机交互（BCI）可以帮助肢体运动障碍患者进行日常生活及康复训练，然而由于信噪比低、个体差异大，脑电特征提取与分类存在准确率和效率低下的问题。针对该问题，本文提出了一种基于深度卷积网络的运动想象脑电信号识别方法。该方法首先针对脑电信号特征数据质量不高的问题，利用短时傅里叶变换（STFT）和连续Morlet小波变换（CMWT）对采集的实验数据集进行基于时间序列特征的预处理，从而得到特征鲜明、具有时频特征的脑电信号。并基于改进的CNN网络模型对脑电信号进行高效识别，实现高质量的脑电特征提取与分类。进一步提高脑电信号特征采集的质量，保证脑电信号识别的较高准确率和精度。最后基于BCI竞赛数据集和实验室实测数据对所提方法进行验证，实验结果表明该方法对脑电信号识别的准确率为0.9324，精度为0.9653，AUC为0.9464，具有良好的实用性和适用性。
使用深度卷积神经网络进行运动想象脑电信号识别
主要关键词
相关文件推荐
