基于残差模块和自注意力机制GAN的脑电信号增广方法

针对脑电信号（EEG）数据量过少的问题，提出一种基于残差模块（ResBlock）和自注意力（Self-Attention）机制的生成对抗网络（GAN），记为RBSAGAN。该模型首先对ResBlock进行改进，设计了Up ResBlock和Down ResBlock网络用于提取信号中不同尺度感受野的特征并对数据维度进行扩大和缩小；然后根据Self-Attention机制设计1D Self-Attention网络挖掘EEG中各离散时刻之间的时间相关性；最后通过生成器和判别器的对抗训练生成逼真的信号。该模型在公开的BCI Competition IV dataset 2a数据集进行了大量实验，结果表明，RBSAGAN具有生成接近于真实脑电信号样本的能力，并且将分类器1D卷积网络（CNN）的平均识别率提升至96.04%，可以为EEG数据增广任务提供参考。