基于MTACNet网络的运动想象脑电分类

来源：电子测量技术杂志2023年第16期北京时间：

作者：朱康，吴晓红，郭远哲，杜立峰，何小海

单位：1.四川大学电子信息学院 成都 610065; 2.成都锦城学院电子信息学院 成都 611731

摘要：为了更好地利用到脑电信号中的相关特征，改善运动想象脑电的分类性能，构建了一种基于混合特征和并行多尺度TCN模块的多层卷积网络（MTACNet）。首先，搭建基于混合特征的多层卷积神经网络，并在其中嵌入高效通道注意力机制，选取PReLU作为激活函数，以提取脑电信号中的时域和空域信息；然后对TCN模块进行改进，构建并行多尺度时域特征提取模块，接入多层卷积网络，进一步挖掘不同时间尺度的特征信息。在公开数据集BCI_IV_2a和自采数据集SCU_MI_EEG上进行测试，平均分类准确率分别为8615%、7710%，标准差分别为917%、1358%。并且针对自采数据集，设计了一种融合多频域脑电信号进行三通道输入的预处理方法，经过预处理后使平均分类准确率提升了329%。实验结果表明，与其他方法相比，本文所构建的分类网络取得了较为不错的分类效果，所设计的预处理方法能够降低复杂环境和无关干扰因素对分类结果的影响。

关键词：脑电;脑机接口;运动想象;CNN;TCN;SMR

基金资助：四川省重点研发项目（2021YFS0239）、成都市重大科技应用示范项目（2019YF0900120SN）资助