基于张量网络的多脑运动想象脑电信号分类

为了解决脑机接口中识别率低、稳定性差等问题,提出一种基于张量网络的多脑脑机接口解码方法。首先,用共空间模式提取脑电特征,融合多脑信息,将融合的数据输入张量网络以便捕获时序特征;然后,张量网络把参数表示成高维数组,运用张量分解方法分解神经网络的权重张量,在不影响识别准确率的前提下,削减了神经网络的参数数量。实验结果表明,与单个被试相比,多脑运动想象脑电数据的识别准确率提高了17.2%;与GRU网络相比,张量网络模型的识别准确率有所提高,同时网络中的参数数量更少。