用于稳态视觉诱发电位脑机接口目标识别的深度学习方法

杜光景; 谢俊; 张玉彬; 曹国智; 薛涛; 徐光华

您当前的位置：

首页 >

文章列表页 >

用于稳态视觉诱发电位脑机接口目标识别的深度学习方法

更新时间：2025-07-09

- 用于稳态视觉诱发电位脑机接口目标识别的深度学习方法
- 暂无标题
- 西安交通大学学报 2019年第11期页码：42-48
- 作者机构：
  
  西安交通大学机械工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目(61503298)
- DOI：
  中图分类号： R318;TP18;TN911.7
- 纸质出版：2019
- 稿件说明：
移动端阅览
杜光景, 谢俊, 张玉彬, 等. 用于稳态视觉诱发电位脑机接口目标识别的深度学习方法[J]. 西安交通大学学报, 2019,(11):42-48.
杜光景, 谢俊, 张玉彬, 等. 用于稳态视觉诱发电位脑机接口目标识别的深度学习方法[J]. 西安交通大学学报, 2019,(11):42-48. DOI：

DOI：

摘要

针对稳态视觉诱发电位(SSVEP)脑电信号存在个体差异性强、信噪比低等特点而导致其识别困难等问题

提出一种用于SSVEP信号分类识别的深度学习方法。该方法以原始多通道SSVEP信号为输入

利用SSVEP信号的时空特性

首先使用一维时间卷积核对输入信号的时域进行卷积操作;然后使用一维空间卷积核进行空域卷积

对多通道信息进行融合;最后采用降采样、多尺度卷积、全连接等操作完成SSVEP信号的分类识别。实验结果表明:利用该方法在较短时间的视觉刺激下即可实现对被试者SSVEP信号的有效识别;在1 s刺激时长时

该方法的平均离线信息传输率为94.17 b/min

平均识别准确率为93.3%

相比于无监督典型相关分析方法和有监督支持向量机分析方法

识别准确率分别提升了48.73%、41.21%。该方法具有较高的目标识别效率及鲁棒性

有效提高了基于稳态视觉诱发电位信号的脑-机接口的性能。

Abstract

关键词

Keywords

references

陆竹风,张小栋,李睿,郭晋.基于表情辅助的假手脑控方法[J].中国机械工程,2018(12).

徐光华,张锋,谢俊,李叶平,韩丞丞,李黎黎.稳态视觉诱发电位的脑机接口范式及其信号处理方法研究[J].西安交通大学学报,2015(06).

徐光华,张锋,王晶,谢俊,李叶平,张四聪.面向智能轮椅脑机导航的高频组合编码稳态视觉诱发电位技术研究[J].机械工程学报,2013(06).

黄漫玲,吴平东,殷罡,刘莹.基于稳态视觉诱发电位的脑-机接口实验研究[J].北京理工大学学报,2008(11).

Zixing Zhang,Jürgen Geiger,Jouni Pohjalainen,Amr El-Desoky Mousa,Wenyu Jin,Björn Schuller.Deep Learning for Environmentally Robust Speech Recognition[J].ACM Transactions on Intelligent Systems and Technology (TIST),2018.

Yousef Rezaei Tabar,Ugur Halici.A novel deep learning approach for classification of EEG motor imagery signals[J].Journal of Neural Engineering,2017.

Chih-Chung Chang,Chih-Jen Lin.LIBSVM[J].ACM Transactions on Intelligent Systems and Technology (TIST),2011(3).

Steady-state visually evoked potentials: Focus on essential paradigms and future perspectives[J].Progress in Neurobiology,2009(4).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

面向机器视觉任务的多尺度图像特征压缩算法

面向图片识别的深度学习模型并行优化方法

融合时空切片和双注意力机制的视频摘要方法

融合眼动追踪和目标动态可调的稳态视觉诱发电位脑机接口系统设计

深度学习技术及其故障诊断应用分析与展望