CNN实现的运动想象脑电分类及人-机器人交互

• 作者: 周桃春 唐智川 孙凌云 朱安杰 程时伟 范菁
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 运动想象 脑机接口 人机交互 深度学习 卷积神经网络
• 年，卷（期）: 2019,（10）
• 所属期刊栏目: 自然人机交互新进展专题
• 页码范围: 3005-3016
• 页数: 12页
• 分类号: TP242
• 字数: 7850字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.005782

摘要

基于脑电的脑机交互能帮助肢体运动障碍患者进行日常生活和康复训练,但是,由于脑电信号存在信噪比较低、个体差异性大等问题,导致脑电特征的提取与分类还需要进一步提高准确性和效率.因此,在减少脑电采集通道数目、增加分类数目的前提下,基于卷积神经网络对运动想象中的脑电信号进行分类.首先,基于已有方法进行探索实验,建立由3层卷积层、3层池化层和2层全连接层构成的卷积神经网络;然后针对想象左手、右手、脚的运动和静息态设计与开展了实验,获取了相关脑电数据;之后,利用脑电数据训练出基于卷积神经网络的分类模型,测试结果表明,该模型平均分类识别率达到了82.81％,且高于已有的相关分类算法;最后,将已建立的分类模型应用于运动想象信号的在线分类,设计与开发了脑机交互应用原型系统,驱动人-机器人之间的实时交互,帮助用户利用运动想象控制仿人机器人的抬手、前进等运动状态.进一步的测试结果表明,机器人对用户控制命令的平均识别率达到了80.31％,从而验证了所提方法可以对运动想象脑电数据进行较为精确的实时分类,可以促进脑机接口技术在人-机器人交互中的应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	范菁	浙江工业大学计算机科学与技术学院	55	367	10.0	17.0
2	唐智川	浙江工业大学设计艺术学院	19	24	3.0	4.0
3	程时伟	浙江工业大学计算机科学与技术学院	19	133	6.0	11.0
4	周桃春	浙江工业大学计算机科学与技术学院	1	3	1.0	1.0
5	朱安杰	浙江工业大学计算机科学与技术学院	1	3	1.0	1.0