因此,所使用的128个EEG频道是:FP1,FPZ,FP2,AFP1,AFPZ,AFP2,AFP2,AF7,AF3,AF3,AF4,AF4,AF4,AF8,AF5H,AFF1H,AFF1H,AFF2H,AFF2H,AFF6H,F7,F7,F7,F7,F5,F5,F3,F3,F3,F1 FFC3H,FFC1H,FFC2H,FFC4H,FFC6H,FFT8H,FFT10H,FT9,FT9,FT7,FC5,FC3,FC3,FC1,FCZ,FC2,FC2,FC4,FC4,FC6,FC6,FC6,FC6,FT8,FT10,FT10,FT10,FT10,FTT9H,FTT9H,FCC2 FCC4h, FCC6h, FTT8h, FTT10h, T7, C5, C3, C1, Cz, C2, C4, C6, T8, TTP7h, CCP5h, CCP3h, CCP1h, CCP2h, CCP4h, CCP6h, TTP8h, TP9, TP7, CP5, CP3, Cpz, CP4, CP6, TP8, TP10, TPP9h, TPP7h, CPP5h, CPP3h, CPP1h, CPP2h, CPP4h, CPP6h, TPP8h, TPP10h, P9, P7, P5, P3, P1, Pz, P2, P4, P6, P8, P10, PPO9h, PPO5h, PPO1h, PPO2H,PPO6H,PPO10H,PO9,PO7,PO3,POZ,PO4,PO4,PO8,PO8,PO10,Poo9H,Poo1,Poo1,Poo2,Poo10H,Poo10H,O1,O2,O2,O2,OI1H,OI1H,OI1H,OI2H,OI2H,I1,IZ和I2和I2。
开发委员会和用于测试运动图像命令的六型机器人机器人。测试系统以检测闭合和打开左右手的想象运动以控制机器人的运动。与运动任务相关的脑电图(EEG)信号在人体感觉运动皮层上感测。接下来,Sockit处理数据以识别允许受控机器人运动的命令。使用F3,F4,FC5和FC6传感器的MI-EEG信号的分类是使用卷积神经网络(CNN)和长短期记忆(LSTM)网络的混合体系结构进行的。此方法利用深度学习识别模型来开发实时嵌入的BCI系统,其中信号处理必须是无缝且精确的。在创建和公共科学数据集中使用K折的交叉验证评估所提出的方法。我们的数据集由从四个测试受试者获得的2400次试验组成,持续了三秒钟的关闭和开放式运动的想象。使用我们的数据和最先进的数据集,识别任务分别达到84.69%和79.2%的精度。数值结果支持Motor图像可以成功地应用于BCI系统中,以控制移动机器人和相关应用,例如智能车辆。
