改进孪生网络的脑电信号处理方法

针对运动想象脑机接口系统中分类准确率低的问题,提出一种改进孪生网络的脑电信号分类方法,把原孪生网络中的两个子网络扩充成三个子网络,并设计了新的学习样本采集方法和距离函数。脑电信号经过小波变换及经验模态分解,利用自相关系数筛选得到预处理后的小波分量,然后随机分割成训练集和测试集,从训练集中按照新的学习样本采集方法获得学习样本集,将其输入三个权重共享的子网络进行训练,使用新的距离函数进行相似度的对比,最后计算测试样本特征与训练集中标签为1和标签为0样本特征相似度,选择最高相似度样本标签作为该待测样本的类别。通过对国际公开BCI Competition II Data set III和The largest SCP data of Motor-Imagery数据集进行仿真,此算法分类准确率高达94.29%。与现有性能较高的算法进行对比,其有效的提高了分类准确率,能更好的进行脑电信号分类识别。