基于幻象模块与深度可分离卷积的运动想象脑电分类方法

基于运动想象的脑机接口系统可以在无外部刺激的情况下产生有效脑电信号,控制外接设备,在医疗健康等方面发挥着越来越重要的作用。运动想象脑电信号具有非线性、非平稳、低信噪比和个体差异大等特点,同时许多运动想象脑电算法应用在计算能力差、实时性要求高的移动设备上,对运动想象脑电的分类准确性和模型复杂度提出了很大挑战。基于此,文章提出一种新的融合幻象模块与深度可分离卷积的轻量化分类模型。首先对原始数据进行截取和滤波,使用EMD算法计算IMFs,将二维脑电信号重构为三维数据,然后通过幻象模块和深度可分离卷积进行数据扩展与特征提取,引入反残差模块缓解网络退化问题,最后用全连接层进行分类。