科研之友
微信
新浪微博
Facebook
分享链接
摘要
在对脑电信号的解码研究中，存在着现有时频分析方法对高频信号处理能力有限，多通道信号信息冗余，常用卷积神经网络分类器ReLU激活函数受学习速率的影响较大，对不同层采用相同的正则化很难获得满意结果等问题。为此，提出了一种基于广义S变换特征提取和增强卷积神经网络分类相结合的方法，同时提出一种结合Relief算法和向前选择搜索策略的包裹式方法进行通道选择。结果表明，提出的方法利用较少的信号通道，具有更强的特征提取和分类的能力，在第Ⅳ届BCI的数据集I上取得最高98.44±1.5%的分类准确率，高于其他现有算法。该方法良好的分类性能不仅减少了计算消耗，也有效提高了分类准确率，对脑电信号特征提取和分类具有一定的参考意义。
- 单位
