基于注意力与多尺度的4类脑电信号解码

摘要：

为了增加主动式脑-机接口(BCI)指令集的数量,提出了一种基于运动想象和言语想象的时序编码实验范式.通过将1个运动想象和1个言语想象分时序进行,获得了4类想象方式:运动想象;言语想象;先运动想象再言语想象;先言语想象再运动想象.针对上述实验范式的脑电信号设计一种基于注意力与多尺度神经网络(AMEEGNet):首先通过1个空洞卷积和3个不同大小尺度的二维卷积提取信号的鲁棒性时间表示;然后使用深度卷积和可分离卷积提取空间特征和频域特征;此外,在模型中添加挤压激励模块,以自适应提取具有高分类精度的特征;最后采用一个具有全连接的网络层进行分类.该模型在拥有4类想象的时序编码实验数据集上获得了71.1％的平均准确度,且在同一数据集上EEGNet、MMCNN、Shallow ConvNet、TSGL-EEGNet分别取得57.9％、60.5％、68.3％、68.4％的精度,可见所提模型识别准确率最高.

关键词：脑-机接口、运动想象、言语想象、时序编码、多尺度卷积、注意力

所属期刊栏目：22

分类号：TN911.7;R318

资助基金：广州市科技计划201904010466

在线出版日期：2023-02-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：15180-15187