基于通道注意力和稀疏时频分解的运动想象分类EI北大核心CSCD |
| |
引用本文: | 李红利,尹飞超,张荣华,马欣,陈虹宇.基于通道注意力和稀疏时频分解的运动想象分类EI北大核心CSCD[J].生物医学工程学杂志,2022(3):488-497. |
| |
作者姓名: | 李红利 尹飞超 张荣华 马欣 陈虹宇 |
| |
作者单位: | 1.天津工业大学控制科学与工程学院300387;2.天津工业大学人工智能学院300387;3.天津工业大学电子与信息工程学院300387; |
| |
基金项目: | 国家自然科学基金(62071328);天津市技术创新引导专项(基金)(21YDTPJC00540,21YDTPJC00550)。 |
| |
摘 要: | 运动想象脑电信号是低信噪比的非平稳时间序列,单通道脑电分析方法难以有效刻画多通道信号之间的交互特征。本文提出了一种基于多通道注意力的深度学习网络模型,该模型对预处理后的数据进行稀疏时频分解,增强了脑电信号时频特征的差异性。然后利用注意力模块在时间和空间对数据进行注意力映射,让模型可以充分利用脑电信号不同通道的数据特征。最后利用改进的时间卷积网络进行特征融合并进行分类识别。利用BCI competition Ⅳ-2a数据集对所提算法进行验证,结果表明所提算法可有效提升运动想象脑电信号的分类正确率,9名受试者的平均识别率为83.03%,与现有方法相比,提高了脑电信号的分类精度。所提方法增强了不同运动想象脑电数据之间的差异特征,对提升分类器性能的研究具有重要意义。
|
关 键 词: | 脑-机接口 运动想象 注意力机制 稀疏分解 深度学习 |
本文献已被 维普 等数据库收录! |
|