排序方式: 共有1条查询结果,搜索用时 31 毫秒
1
1.
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。 相似文献
1