基于MEMD的深度学习模型构建方法及在运动想象中的应用

摘要

一种基于MEMD的深度学习模型构建方法：对从脑控设备测得的多通道脑电信号进行带通滤波，得到p维脑电信号，对p维脑电信号以2秒为单位进行信号分割，得到多个信号样本，对每个信号样本分别进行多元经验模态分解；针对每个信号样本所得到的本征模函数分量数n不相同，令n的最小值为c，保留前c个本征模函数；对于每个信号样本，将经由多元经验模态分解得到的c个本征模函数加上数据序列X(t)的趋势Rn堆叠在一起，得到大小为q×p×(c+1)的三维数据样本，作为深度学习模型的输入；构建应用在运动想象中的深度学习模型。本发明具有深度学习模型中高计算效率的优点。输出指令可控制机械臂等设备的运动，优秀的实时性使其具有很强的应用潜力。