基于复数协方差卷积神经网络的运动想象脑电信号解码方法

黄仁慧; 张锐锋; 文晓浩; 闭金杰; 黄守麟; 李廷会

doi:10.16088/j.issn.1001-6600.2024092401

广西师范大学学报（自然科学版） ›› 2025, Vol. 43 ›› Issue (03) : 43 -56. DOI: 10.16088/j.issn.1001-6600.2024092401

基于复数协方差卷积神经网络的运动想象脑电信号解码方法

黄仁慧, 张锐锋, 文晓浩, 闭金杰, 黄守麟, 李廷会

作者信息 +

Author information +

文章历史 +

PDF

摘要

深度挖掘和利用脑电信号的特征信息，以提高运动想象的分类性能，一直是脑机接口的研究热点。考虑到脑电特征空间具有高维性且与幅值和相位密切相关，如何有效表达和同时利用脑电的幅值和相位信息已经成为一个难题。为此，本研究提出一种基于复数协方差特征的三维复值卷积神经网络。首先，构建脑电不同频率下的复数协方差矩阵特征，不仅通过复值表示将幅值和相位信息结合在一起，并且保留分类所需的多变量信息，如幅值、相位、空间位置、频率等。其次，设计针对多复数协方差特征的全复数卷积神经网络，实现运动想象任务的高性能分类。在2个公开数据集上的实验结果表明，本研究提出的方法可获得比现有前沿方法至少高出2.49和1.85个百分点的平均准确率。