为提高运动想象脑机接口识别准确率,结合共空间模式(common spatial pattern,CSP)和卷积神经网络(convolutional neural network,CNN)方法,提出一种改进滤波器组共空间模式(filter bank common spatial pattern,FBCSP)和CNN的算法,用于...为提高运动想象脑机接口识别准确率,结合共空间模式(common spatial pattern,CSP)和卷积神经网络(convolutional neural network,CNN)方法,提出一种改进滤波器组共空间模式(filter bank common spatial pattern,FBCSP)和CNN的算法,用于多分类运动想象脑电信号识别任务。信号预处理后,使用包含重叠频带的FBCSP计算空间投影矩阵,数据经过投影得到更有区分度的特征序列。然后将特征序列以二维排列方式输入搭建的CNN模型中进行分类。所提出方法在脑机接口竞赛数据集2a和Ⅲa上验证,并和其他文献方法对比。结果表明,本文方法一定程度上提高了运动想象脑电信号的分类准确率,为运动想象研究提供了一个有效办法。展开更多
文摘为提高运动想象脑机接口识别准确率,结合共空间模式(common spatial pattern,CSP)和卷积神经网络(convolutional neural network,CNN)方法,提出一种改进滤波器组共空间模式(filter bank common spatial pattern,FBCSP)和CNN的算法,用于多分类运动想象脑电信号识别任务。信号预处理后,使用包含重叠频带的FBCSP计算空间投影矩阵,数据经过投影得到更有区分度的特征序列。然后将特征序列以二维排列方式输入搭建的CNN模型中进行分类。所提出方法在脑机接口竞赛数据集2a和Ⅲa上验证,并和其他文献方法对比。结果表明,本文方法一定程度上提高了运动想象脑电信号的分类准确率,为运动想象研究提供了一个有效办法。
