改进的BP神经网络在运动想象脑电分类研究中的应用

传统BP神经网络算法由于自身结构设置导致反馈调节能力不甚理想，在运动想象（MI）脑电信号多分类问题上的鲁棒性与识别性能提升上还有待进一步优化。本文研究并应用了基于粒子群算法（PSO）与蝙蝠算法（BA）的改进BP神经网络，经过初始编码序列寻优实现对原始BP神经网络的权值与阈值的更新，进而提升BP算法在MI脑电信号中的分类识别能力。对08年BCI竞赛数据MI脑电信号的包络幅值特征进行四分类，平均结果为96.25%；实验室采集的MI脑电数据作进一步验证，二分类准确率为89.25%。实验结果表明BA-BP模型分类精度相较于PSO-BP方法提高了约24%，迭代效率提升了约50%，一定程度上抑制BP神经网络算法局部最优的出现，为脑电信号的多分类识别问题解决提供了一种新的途径。