关键词:
脑机接口
稳态视觉诱发电位
卷积神经网络
傅里叶变换
摘要:
提出了基于1维卷积神经网络和快速傅里叶变换(FFT-1DCNN)的稳态视觉诱发电位(Steady-State Visual Evoked Potential,SSVEP)信号分类方法,以满足非侵入式脑机接口(BCI)系统对于跨用户分类的需求.使用1维卷积神经网络捕捉局部依赖关系和模式,并使用快速傅里叶变换将多通道1维时域信号转换为2维频谱.实验采用低成本开销的8通道脑电信号放大器,以及特制的脑电头带以采集6名受试者的脑电数据,通过数据预处理以确保数据质量,并以自创数据集为基础,在用户依赖和用户独立两种训练情境中验证了所给算法的有效性.该方法在用户依赖情境中比TRCA算法准确率高3.14%,在用户独立情境中比CCA算法、FBCCA算法和C-CNN算法准确率分别高10.29%、4.72%和2.26%,证明了该方法的优越性.