基于Transformer模型的手势脑电信号分类识别

基于无创脑电信号的精细手势动作识别是脑卒中患者运动功能康复的重要技术手段。通过设计实际手势动作,以手指精细运动时的运动功能区长时程脑电信号作为数据处理对象,改进了一种基于自我注意的Transformer模型识别方法,分别从时间维度和空间维度构建了基于自我注意模块的Transformer模型及其变体top-k稀疏Transformer模型,并结合脑电数据结构特点设计了一种基于多变量经验模式分解-典型相关分析(multivariate empirical mode decomposition-canonical correlation analysis,MEMD-CCA)的混合去伪影方法,改进的Transformer模型取得了优异的分类识别结果。