复数循环神经网络解码运动参数的研究

从脊柱损伤患者脑电(EEG)信号解码肢体运动参数以控制机器人辅助患者运动具有重要意义。但基于浅层机器学习方法从EEG信号解码运动参数需要人工设计特征,难以获取特定于任务的复杂抽象特征。而实数循环神经网络(RRNN)虽然能自动学习EEG信号特征,但只能刻画幅值信息,无法获取相位信息。针对上述问题,提出一种基于复数循环神经网络(CRNN)从EEG信号解码手部运动参数的方法。首先,在网络模型的输入层对EEG信号进行短时傅里叶变换(STFT)得到复数域表征;然后,利用复数网络自主学习复数特征并进一步解码手部运动参数。针对位置和速度参数解码任务,所提方法平均解码精度达到0.64和0.70,比RRNN和浅层机器学习代表性方法多元线性回归的解码性能提升超过20%。