基于CSP与卷积神经网络算法的多类运动想象脑电信号分类

摘要：

针对直接利用卷积神经网络(convolutional neural network,CNN)算法对多类运动想象脑电信号分类识别时,因样本量比较少,难以充分训练权值,导致分类效果较差的问题,结合一对多CSP算法与CNN算法对多类运动想象脑电信号进行特征提取与分类.首先,利用CSP算法对多类运动想象脑电信号进行特征提取,形成一维特征数据,作为CNN的输入样本;其次,对传统二维输入样本的CNN结构进行改造,使其适应一维数据的输入样本,对输入样本进行再次特征提取并分类;最后,使用BCI2005desc-Ⅲa的K3b数据进行算法验证;并对不同参数值的确定进行了讨论.算法验证结果表明,单独利用一对多CSP算法得到的分类正确率73％,单独使用CNN算法得到正确率为75％,新算法取得了91.46％的正确率,相比两种原始方法有较大提升.

关键词：卷积神经网络、公共空间模式、脑电信号、运动想象

所属期刊栏目：17

分类号：R318.04(医用一般科学)

资助基金：河南省科技厅科技攻关计划项目162102310167

在线出版日期：2017-11-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：144-149