發(fā)布時(shí)間：2022-12-18 15:50

　　基于運(yùn)動(dòng)想象的腦機(jī)接口技術(shù)能夠建立大腦與外界之間的聯(lián)系,逐漸成為人機(jī)混合增強(qiáng)智能的重要應(yīng)用,并廣泛應(yīng)用于醫(yī)學(xué)康復(fù)治療等領(lǐng)域.由于腦電信號(hào)具有非線(xiàn)性、非平穩(wěn)和低信噪比等特點(diǎn),使得準(zhǔn)確的分類(lèi)運(yùn)動(dòng)想象腦電信號(hào)具有很大挑戰(zhàn).為此,提出一種新穎的多尺度特征提取與擠壓激勵(lì)模型對(duì)運(yùn)動(dòng)想象腦電信號(hào)進(jìn)行高精度分類(lèi).首先,基于多尺度卷積模塊自動(dòng)提取原始腦電信號(hào)的時(shí)域、頻域和時(shí)頻域特征;然后,使用殘差模塊和擠壓激勵(lì)模塊分別進(jìn)行特征的融合和選擇;最后,利用全連接網(wǎng)絡(luò)層進(jìn)行運(yùn)動(dòng)想象腦電信號(hào)的分類(lèi).實(shí)驗(yàn)在2個(gè)公開(kāi)的腦機(jī)接口競(jìng)賽數(shù)據(jù)集上進(jìn)行分析,結(jié)果表明該模型與現(xiàn)有先進(jìn)模型相比,有效地提升了運(yùn)動(dòng)想象腦電信號(hào)的識(shí)別效果,在2個(gè)數(shù)據(jù)集上分別取得了78.0%和82.5%的平均準(zhǔn)確度,該模型可以在腦電通道較少的情況下有效地分類(lèi)腦電信號(hào)且無(wú)需手動(dòng)設(shè)計(jì)特征,具有較高的應(yīng)用價(jià)值. 

【文章頁(yè)數(shù)】：9 頁(yè)

【文章目錄】：
1 相關(guān)工作
2 符號(hào)定義
3 多尺度特征提取與擠壓激勵(lì)神經(jīng)網(wǎng)絡(luò)
    3.1 多尺度卷積模塊
    3.2 殘差模塊
    3.3 擠壓激勵(lì)模塊
4 實(shí)驗(yàn)與結(jié)果
    4.1 評(píng)價(jià)指標(biāo)
    4.2 數(shù)據(jù)集
        1) 數(shù)據(jù)集1.BCI競(jìng)賽Ⅳ
        2) 數(shù)據(jù)集2.BCI競(jìng)賽Ⅳ
    4.3 實(shí)驗(yàn)設(shè)置
    4.4 基準(zhǔn)模型
    4.5 與基準(zhǔn)模型的結(jié)果對(duì)比
    4.6 討論多尺度結(jié)構(gòu)中分支數(shù)對(duì)分類(lèi)結(jié)果的影響
    4.7 討論擠壓激勵(lì)模塊對(duì)分類(lèi)結(jié)果的影響
    4.8 討論不同通道對(duì)分類(lèi)結(jié)果的影響
5 總 結(jié)


【參考文獻(xiàn)】：
期刊論文
[1]基于生理大數(shù)據(jù)的情緒識(shí)別研究進(jìn)展[J]. 趙國(guó)朕,宋金晶,葛燕,劉永進(jìn),姚林,文濤.  計(jì)算機(jī)研究與發(fā)展. 2016(01)
[2]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)



本文編號(hào)：3722328