复数循环神经网络解码运动参数的研究

作者：黄孝妍; 曾洪^*; 宋爱国

来源：传感器与微系统, 2023, 42(03): 49-52.

DOI：10.13873/J.1000-9787(2023)03-0049-04

• 脑机接口
• 复数循环神经网络
• 解码
• 脑电信号

从脊柱损伤患者脑电(EEG)信号解码肢体运动参数以控制机器人辅助患者运动具有重要意义。但基于浅层机器学习方法从EEG信号解码运动参数需要人工设计特征，难以获取特定于任务的复杂抽象特征。而实数循环神经网络(RRNN)虽然能自动学习EEG信号特征，但只能刻画幅值信息，无法获取相位信息。针对上述问题，提出一种基于复数循环神经网络(CRNN)从EEG信号解码手部运动参数的方法。首先，在网络模型的输入层对EEG信号进行短时傅里叶变换(STFT)得到复数域表征；然后，利用复数网络自主学习复数特征并进一步解码手部运动参数。针对位置和速度参数解码任务，所提方法平均解码精度达到0.64和0.70,比RRNN和浅层机器学习代表性方法多元线性回归的解码性能提升超过20%。

• 单位
  东南大学