CNN与CSP相结合的脑电特征提取与识别方法研究

• 作者: 孔祥浩 李海峰 薄洪健 马琳
• 来源期刊: 信号处理
• 学科: 工学
• 关键词: 共同空间模式(CSP) 卷积神经网络(CNN) 脑电(EEG) 特征优选准则 脑机接口(BCI)
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 算法研究
• 页码范围: 164-173
• 页数: 10页
• 分类号: TP391.4
• 字数: 7663字
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2018.02.006

摘要

本文针对脑机接口(BCI)应用中需要对脑电信号(EEG)快速精准的解析问题,提出了一种卷积神经网络(CNN)和共同空间模式(CSP)相结合的脑电特征提取与识别方法.在经过预处理的原始脑电信号基础上,通过CSP空间变换获得其特征矩阵.应用CNN对特征矩阵进行学习,对收敛后的CNN网络全连接层的权值进行分析,根据网络学习特性定义CSP特征矩阵筛选准则,得到了低维高效的EEG特征集F,并在特征集F上构建CNN分类器.我们的工作在BCI2005Ⅳa竞赛数据集上进行了实验测试,获得了88.3％的识别准确率.本文方法与sCSP和KLCSP方法在相同的数据集上进行了测试,平均识别准确率分别提升了3.2％和2.4％.本研究综合了数据的时间、空间的特征信息,采用CNN网络学习特性进行特征二次优选与降维,为脑电的特征提取问题提供了一个新的思路.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	马琳	哈尔滨工业大学计算机科学与技术学院	65	463	10.0	20.0
2	李海峰	哈尔滨工业大学计算机科学与技术学院	53	445	11.0	20.0
3	孔祥浩	哈尔滨工业大学计算机科学与技术学院	2	17	2.0	2.0
4	薄洪健	哈尔滨工业大学计算机科学与技术学院	4	20	3.0	4.0