科研之友
微信
新浪微博
Facebook
分享链接
摘要
基于EEG（Electroencephalogram）的BCI（Brain computer interface）系统可以帮助肢体运动障碍患者进行日常生活和康复训练。然而，由于EEG信号的信噪比低、个体差异大，使得脑电信号的特征提取和分类存在精度和效率不高的问题，进而影响了在线BCI系统的广泛应用。针对这一问题，提出一种融合空间信息的CNN（Convolution neural network）用于MI（Motor imagery）脑电信号的在线分类，结合运动想象ERD/ERS（Event related desynchronization/Event related synchronization）现象的对侧效应，对通道重新排序后的MI-EEG分别进行横向和纵向卷积，充分利用了MI-EEG中的空间信息，完成MI-EEG信号的实时采集和分类。结果分析表明，本文提出的方法具有一定的实时性和有效性，为在线MI-BCI系统的实现提供了基础。
-
单位四川省机械研究设计院; 西南交通大学
