基于深度学习框架的多类运动想象脑电分类研究

• 作者: 胡建中 葛荣祥
• 来源期刊: 江苏科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 运动想象脑电 深度学习 自编码器 傅里叶变换 深度信念网络
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: 信息与控制工程
• 页码范围: 61-66
• 页数: 6页
• 分类号: TP391.4
• 字数: 4057字
• 语种: 中文
• DOI: 10.11917/j.issn.1673-4807.2019.04.010

摘要

模式识别是脑机接口(brain computer interface,BCI)系统的核心部分,其中特征提取和分类方法对最终分类结果有着决定性作用.针对多类运动想象脑电识别过程中特征提取困难,识别准确率低的问题,文中提出了一种新的基于深度学习框架的多类别运动想象脑电分类方法.首先,为了满足深度学习方法的大批量样本的需要,使用自编码器(auto-encoder,AE)对训练样本进行扩充;其次,针对脑电信号的特点,设计4个巴特沃斯带通滤波器提取脑电的θ、α、β和γ波段,并对每一波段的信号进行傅里叶变换,然后计算幅值的均值和方差;最后,通过深度信念网络(deep belief network,DBN)对脑电信号进行分类识别.文中使用BCIⅢ的竞赛数据集对所提出的方法进行验证,实验结果表明,文中方法能够有效地提高多类运动想象脑电的分类准确率,分类结果的平均kappa系数达到了0.8024.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡建中	东南大学机械工程学院	49	516	11.0	21.0
2	葛荣祥	东南大学机械工程学院	2	3	1.0	1.0