基于CNN-LSTM的脑电P300信号检测

作者：范方朝; 杜欣; 谢城壁; 刘佳伟; 黄涌

来源：电子测量技术, 2022, 45(23): 159-165.

DOI：10.19651/j.cnki.emt.2210203

• 脑机接口
• P300信号
• 卷积神经网络
• 长短期记忆网络

为提高对无创脑机接口(BCI)中P300脑电信号的检测准确度，本文根据卷积神经网络(CNN)与长短期记忆(LSTM)网络，提出一种CNN-LSTM组合网络模型。卷积网络采取分层结构，同时设计匹配不同特征维度的一维卷积核；长短期记忆网络(LSTM)用来发掘数据时序相互依赖性，学习全局特征的相关性以实现目标分类。试验结果表明，本文提出的模型对于实验诱发出的单试次P300信号，检测准确率达到91.28%,与EEGNet网络和支持向量机算法对比，准确率分别提升2.18%、8.31%。在精确率、召回率、F1分数、AUC值的评价指标下也达到最优性能，具有较强的泛化性能。

• 单位
  北京交通大学