计量学报

作者：金海龙,邬霞,樊凤杰,王金萍

单位：燕山大学 河北省测试计量技术及仪器重点实验室, 河北 秦皇岛 066004

关键词：计量学; 脑电信号; 运动想象; 广义S变换; 增强卷积神经网络; 包裹式通道选择; 脑-机接口

基金：国家自然科学基金(61201111);中央引导地方科技发展资金(226Z5001G)

在对脑电信号的解码研究中,存在着现有时频分析方法对高频信号处理能力有限,多通道信号信息冗余,常用卷积神经网络分类器ReLU激活函数受学习速率的影响较大,对不同层采用相同的正则化很难获得满意结果等问题。为此,提出了一种基于广义S变换特征提取和增强卷积神经网络分类相结合的方法,同时提出一种结合Relief算法和向前选择搜索策略的包裹式方法进行通道选择。结果表明,提出的方法利用较少的信号通道,具有更强的特征提取和分类的能力,在第Ⅳ届BCI的数据集I上取得最高98.44±1.5%的分类准确率,高于其他现有算法。该方法良好的分类性能不仅减少了计算消耗,也有效提高了分类准确率,对脑电信号特征提取和分类具有一定的参考意义。

来源：2022年第10期

《计量学报》期刊编辑部

查看计量学报杂志2022年第10期