一种高效运动想象脑电信号浅层卷积解码网络

作者：李文平; 徐光华^*; 张凯; 张四聪; 赵丽娇; 李辉

来源：西安交通大学学报, 2023, 57(10): 11-19.

• 脑电信号
• 脑机接口
• 运动想象
• 深度学习
• 脑电解码算法

针对现有运动想象脑机接口(MI-BCIs)中，基于深度学习的脑电信号解码网络(EEGNet)时域-空域-频域耦合特征学习能力差、模型训练与推理时间长的问题，提出了一种高效运动想象脑电信号浅层卷积解码网络(Faster-EEGNet)。该网络将第1层二维平面串行卷积优化为所有通道同时进行的串行卷积，完成了各通道信号的时域滤波与空间滤波；在中间深度卷积层对空间模式提取信号进行时域卷积特征提取，然后由深度分离卷积再次提取信号的时间-空间耦合特征，并对其进行模式识别。采用公开数据集进行仿真实验验证，结果表明：Faster-EEGNet网络的运动想象识别准确率与信息传输率相较于EEGNet网络有更好的表现，在本实验的小样本训练场景下也能够取得较好的识别效果；相较于EEGNet网络，Faster-EEGNet网络的训练时间减少了44.8%,模型推理时间减少了43.6%以上。实验结果证明所提Faster-EEGNet网络能够提升运动想象脑机接口系统的识别准确性、便捷性及快速响应性能。

• 单位
  西安交通大学机械制造系统工程国家重点实验室; 西安交通大学