一种基于时空特征的脑电信号运动想象分类方法

摘要

一种基于时空特征的脑电信号运动想象分类方法，将卷积神经网络CNN和长短期记忆网络LSTM，利用了脑电信号的时空表示和动态相关性，对原始数据进行处理后送入神经网络，利用六层CNN网络提取脑电信号中的空间特征，利用单层LSTM网络提取脑电信号中时间序列特征，即同时利用了EEG信号的时间特征与空间特征，通过实验验证得到的分类准确率达到96.26%。该模型同时参考了脑电信号的时空特征，在控制网络模型复杂度的前提下，提高了精度，收敛良好，无过度拟合，具有更好的泛化能力。