基于深度学习的脑电信号特征识别

2018-04-02 09:13张韩杨济民
电脑知识与技术 2018年5期
关键词:卷积神经网络特征提取

张韩 杨济民

摘要:腦-机接口技术(简称BCI)是一种在不依赖于外围神经和肌肉的前提下,通过一定的技术手段提取大脑思维活动信息,经过计算机技术对信息解码,直接分析人的脑电信号,从而识别人脑意图的通讯系统。通过对国际标准数据库Ⅲ中的数据集I的脑电数据,先进行S算法和双线性插值法对数据进行预处理,在通过深度学习——卷积神经网络(cNN)进行脑电信号的特征提取与分类,最终在实现识别人脑意图的目的的同时,也提高了识别的准确度。

关键词:脑-机接口;特征提取;特征分类;卷积神经网络

猜你喜欢
卷积神经网络特征提取
基于Gazebo仿真环境的ORB特征提取与比对的研究
基于Daubechies(dbN)的飞行器音频特征提取
基于卷积神经网络温室智能大棚监控系统的研究
一种基于LBP 特征提取和稀疏表示的肝病识别算法
基于深度卷积神经网络的物体识别算法
基于DSP的直线特征提取算法
基于MED和循环域解调的多故障特征提取
Walsh变换在滚动轴承早期故障特征提取中的应用