《电子测量技术杂志》发表论文赏析

基于全局注意力的Gam-EEGNet在SSVEP分类中的应用

来源:电子测量技术杂志2024年第22期北京时间:

作者:刘俊杰,谢俊,王虎,胡博

单位:新疆大学机械工程学院 乌鲁木齐 830017

摘要:稳态视觉诱发电位(SSVEP)作为脑机接口(BCI)系统中的重要信号类型,因其高稳定性和易操作性而广泛应用于BCI研究。在过去的研究中,已有许多方法在SSVEP信号分类中取得了显著进展,但依然面临着信噪比低、信号非平稳性和个体差异大的挑战。为进一步提升SSVEP分类的准确性和实用性,本文提出了一种结合全局注意力机制与紧凑脑电网络(EEGNet)的新型神经网络架构——Gam-EEGNet。EEGNet作为一种紧凑、高效且适应性强的基础模型,在SSVEP信号处理中具有重要作用。通过在EEGNet中引入全局注意力机制,Gam-EEGNet能够更精确地提取和表征SSVEP信号特征,从而有效降低个体差异和噪声的影响。实验采用了涵盖12种不同频率的SSVEP脑电数据,并将Gam-EEGNet与典型卷积神经网络(CCNN)、滤波器组时间卷积神经网络(FB-tCNN)和滤波器组-时间卷积神经网络(SSVEPNet)等主流深度学习方法进行了分类性能对比。结果表明,Gam-EEGNet在不同时间窗口下的分类准确率和信息传输率(ITR)均优于其他方法,特别是在0.7 s的短时间窗口内,分类精度达到86.58%;在1 s时间窗内,多名被试者的平均识别准确率超过95%,ITR超过189 bits/min。此外,Gam-EEGNet在训练过程中表现出更好的收敛性和稳定性,具有更快的收敛速度和更低的训练误差。这些结果表明,Gam-EEGNet在SSVEP信号分类中展现出显著的性能提升,尤其适用于实时BCI系统中的快速响应场景,具有广泛的应用潜力。

关键词:深度学习;脑-机接口;稳态视觉诱发电位;全局注意力机制;Gam-EEGNet模型

基金资助:国家自然科学基金(52365040)项目资助

2024年22期其他文献查阅:

基于FPGA和国产射频收发器的多通道信号源设计与实现

基于几何精度因子的磁目标参数解算优化方法

基于遗传模拟退火算法的无线电能传输系统

基于ATmega32U4单片机的液体变焦透镜控制系统

基于AFE-YOLOv7模型的航空保险丝绕向识别方法

基于模糊滑模控制的MMC环流抑制研究

针对说话人识别对抗样本生成方法研究

光伏VSG中新型滑模锁相环的逆变性能研究

基于PSO-BP的嵌入式大气数据系统算法研究

基于全局注意力的Gam-EEGNet在SSVEP分类中的应用

基于自适应探索DDQN的移动机器人路径规划

基于多传感信息融合的跌倒监测系统开发

融合多策略改进的黑翅鸢优化算法

基于本体的非结构化道路场景建模和行为决策的方法研究

基于SCSC-Swin Transformer的电力系统暂态稳定预测方法

基于掩码建模和对比学习的故障诊断方法

基于DeepLabV3+改进的光伏板语义分割模型研究

基于肤色模型的动态手势分割与识别方法研究

实验室人员不安全行为智能识别与预警系统

改进YOLOv5的输送带缺陷检测

基于机器视觉的透明方杯位姿与缺陷检测方法

基于改进YOLOv9的钢板表面缺陷检测的方法

飞行试验中直升机近地飞行安全监控测试技术

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!