基于残差卷积脉冲神经网络的稳态视觉诱发电位脑电信号研究

摘要

随着脑机接口技术的飞速发展以及类脑人工智能在脑信号识别领域的深入探索，本文设计一种基于残差卷积脉冲神经网络（ReC-SNN）的稳态视觉诱发电位(Steady State Visual Evoked Potentials,SSVEP)脑电信号（Electroencephalogram,EEG）识别方法，解决稳态视觉诱发电位脑电信号识别率低问题。首先通过对SSVEP脑电信号获得、预处理构建数据集，其次设计ReC-SNN结构，并优化网络参数，进而实现对字母、数字、功能键图片在对应频率刺激产生的脑电信号识别，其识别精度达到95%以上。实验结果表明，本文设计的ReC-SNN网络模型能够有效地识别SSVEP脑电信号，为类脑智能识别脑电信号技术的发展提供了支撑。

关键词

脑电信号 / SSVEP / ReC-SNN