基于卷积神经网络的脑电信号分类

作者：李玉花; 柳倩; 韦新; 程永强^*; 李海芳

来源：科学技术与工程, 2020, 20(15): 6135-6140.

• 多尺度卷积核
• 卷积神经网络
• 脑电
• 信号分类

针对现有卷积神经网络脑电信号(electroencephalogram,EEG)分类模型分类精度低、方法复杂且耗时的问题,对卷积神经网络的卷积层进行了改进,提出了多尺度卷积核卷积神经网络(convolutional neural networks,CNN)脑电分类模型,并在输入数据前加了系数矩阵,该系数矩阵可以随网络的训练逐步更新,代替了手工提特征再送入网络的步骤,有助于提高分类精度。最终本文的脑电分类模型在高原脑电信号的分类实验中,二分类准确率比改进前提高8%,三分类、四分类准确率分别达到92.87%、81.15%,分类准确率较高,对脑电信号的分类具有较高的参考价值。

• 单位
  西安交通大学; 太原理工大学