本文主要研究内容
作者胡章芳,张力,黄丽嘉,罗元(2019)在《基于时频域的卷积神经网络运动想象脑电信号识别方法》一文中研究指出:针对目前运动想象脑电(EEG)信号识别率较低的问题,考虑到脑电信号蕴含着丰富的时频信息,提出一种基于时频域的卷积神经网络(CNN)运动想象脑电信号识别方法。首先,利用短时傅里叶变换(STFT)对脑电信号的相关频带进行预处理,并将多个电极的时频图组合构造出一种二维时频图;然后,针对二维时频图的时频特性,通过一维卷积的方法设计了一种新颖的CNN结构;最后,通过支持向量机(SVM)对CNN提取的特征进行分类。基于BCI数据集的实验结果表明,所提方法的平均识别率为86. 5%,优于其他传统运动想象脑电信号识别方法;同时将该方法应用在智能轮椅上,验证了其有效性。
Abstract
zhen dui mu qian yun dong xiang xiang nao dian (EEG)xin hao shi bie lv jiao di de wen ti ,kao lv dao nao dian xin hao wen han zhao feng fu de shi pin xin xi ,di chu yi chong ji yu shi pin yu de juan ji shen jing wang lao (CNN)yun dong xiang xiang nao dian xin hao shi bie fang fa 。shou xian ,li yong duan shi fu li xie bian huan (STFT)dui nao dian xin hao de xiang guan pin dai jin hang yu chu li ,bing jiang duo ge dian ji de shi pin tu zu ge gou zao chu yi chong er wei shi pin tu ;ran hou ,zhen dui er wei shi pin tu de shi pin te xing ,tong guo yi wei juan ji de fang fa she ji le yi chong xin ying de CNNjie gou ;zui hou ,tong guo zhi chi xiang liang ji (SVM)dui CNNdi qu de te zheng jin hang fen lei 。ji yu BCIshu ju ji de shi yan jie guo biao ming ,suo di fang fa de ping jun shi bie lv wei 86. 5%,you yu ji ta chuan tong yun dong xiang xiang nao dian xin hao shi bie fang fa ;tong shi jiang gai fang fa ying yong zai zhi neng lun yi shang ,yan zheng le ji you xiao xing 。
论文参考文献
论文详细介绍
论文作者分别是来自计算机应用的胡章芳,张力,黄丽嘉,罗元,发表于刊物计算机应用2019年08期论文,是一篇关于运动想象论文,脑电论文,时频域论文,卷积神经网络论文,智能轮椅论文,计算机应用2019年08期论文的文章。本文可供学术参考使用,各位学者可以免费参考阅读下载,文章观点不代表本站观点,资料来自计算机应用2019年08期论文网站,若本站收录的文献无意侵犯了您的著作版权,请联系我们删除。