本文主要研究内容
作者杜光景,谢俊,张玉彬,曹国智,薛涛,徐光华（2019）在《用于稳态视觉诱发电位脑机接口目标识别的深度学习方法》一文中研究指出：针对稳态视觉诱发电位(SSVEP)脑电信号存在个体差异性强、信噪比低等特点而导致其识别困难等问题,提出一种用于SSVEP信号分类识别的深度学习方法。该方法以原始多通道SSVEP信号为输入,利用SSVEP信号的时空特性,首先使用一维时间卷积核对输入信号的时域进行卷积操作;然后使用一维空间卷积核进行空域卷积,对多通道信息进行融合;最后采用降采样、多尺度卷积、全连接等操作完成SSVEP信号的分类识别。实验结果表明:利用该方法在较短时间的视觉刺激下即可实现对被试者SSVEP信号的有效识别;在1 s刺激时长时,该方法的平均离线信息传输率为94.17 b/min,平均识别准确率为93.3%,相比于无监督典型相关分析方法和有监督支持向量机分析方法,识别准确率分别提升了48.73%、41.21%。该方法具有较高的目标识别效率及鲁棒性,有效提高了基于稳态视觉诱发电位信号的脑-机接口的性能。
Abstract
zhen dui wen tai shi jiao you fa dian wei (SSVEP)nao dian xin hao cun zai ge ti cha yi xing jiang 、xin zao bi di deng te dian er dao zhi ji shi bie kun nan deng wen ti ,di chu yi chong yong yu SSVEPxin hao fen lei shi bie de shen du xue xi fang fa 。gai fang fa yi yuan shi duo tong dao SSVEPxin hao wei shu ru ,li yong SSVEPxin hao de shi kong te xing ,shou xian shi yong yi wei shi jian juan ji he dui shu ru xin hao de shi yu jin hang juan ji cao zuo ;ran hou shi yong yi wei kong jian juan ji he jin hang kong yu juan ji ,dui duo tong dao xin xi jin hang rong ge ;zui hou cai yong jiang cai yang 、duo che du juan ji 、quan lian jie deng cao zuo wan cheng SSVEPxin hao de fen lei shi bie 。shi yan jie guo biao ming :li yong gai fang fa zai jiao duan shi jian de shi jiao ci ji xia ji ke shi xian dui bei shi zhe SSVEPxin hao de you xiao shi bie ;zai 1 sci ji shi chang shi ,gai fang fa de ping jun li xian xin xi chuan shu lv wei 94.17 b/min,ping jun shi bie zhun que lv wei 93.3%,xiang bi yu mo jian du dian xing xiang guan fen xi fang fa he you jian du zhi chi xiang liang ji fen xi fang fa ,shi bie zhun que lv fen bie di sheng le 48.73%、41.21%。gai fang fa ju you jiao gao de mu biao shi bie xiao lv ji lu bang xing ,you xiao di gao le ji yu wen tai shi jiao you fa dian wei xin hao de nao -ji jie kou de xing neng 。
论文参考文献
论文详细介绍
论文作者分别是来自西安交通大学学报的杜光景,谢俊,张玉彬,曹国智,薛涛,徐光华，发表于刊物西安交通大学学报2019年11期论文，是一篇关于稳态视觉诱发电位论文,脑机接口论文,目标识别论文,深度学习论文,西安交通大学学报2019年11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，资料来自西安交通大学学报2019年11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。
标签：稳态视觉诱发电位论文; 脑机接口论文; 目标识别论文; 深度学习论文; 西安交通大学学报2019年11期论文;