运动想象脑信号的深度置信网络分类优化 |
| |
作者姓名: | 陈超 王帅 刘光荣 梁军 陈小奇 邵磊 李鹏海 |
| |
作者单位: | 1. 天津理工大学电气工程与自动化学院;2. 天津医科大学总医院康复医学科;3. 华南理工大学吴贤铭智能工程学院;4. 天津理工大学集成电路科学与工程学院 |
| |
基金项目: | 中国科技部国家重点研发计划(2022YFF1202500,2022YFF1202501);;国家自然科学基金(61806146,82101448); |
| |
摘 要: | 关于脑机接口(BCI)系统中的运动想象(MI)脑信号的特征提取一直是一个难题。相较于SSVEP、AEP和P300等其他BCI模式,MI的分类准确率相对较低,缺乏有效的识别方案。本文提出了一种结合深度置信网络(Deep Belief Network,DBN)和麻雀搜索算法(Sparrow search algorithm,SSA)的特征提取和分类识别算法SSA-DBN。融合SSA与DBN的优势,可以在保持较低计算复杂度的同时,提高特征提取和分类识别的准确率。本研究首先利用完全自适应噪声集合经验模态分解(CEEMDAN)方法提取信号的固有模态函数(IMF)特征。然后,将筛选出的适合分类识别的IMF分量与希尔伯特黄变换(HHT)方法相结合,提取出不同导联时频信号的特征空间向量,并进行叠加平均。最后,将特征向量输入到SSA-DBN算法进行分类处理。为确保公平性,在验证算法性能时,选取了具有代表性的BCI Competition IV Dataset 2a数据集,同时对比了其他算法的表现,并详细说明了调参方法。为了避免过拟合问题,可以考虑使用更大规模的数据集进行测试,如PhysioNet或BCI...
|
关 键 词: | 脑机接口 运动想象 分类识别 优化算法 深度置信网络 |
|
|