基于CNN-LSTM的脑电P300信号检测

来源：电子测量技术杂志2022年第23期北京时间：

作者：范方朝，杜 欣，谢城壁，刘佳伟，黄 涌

单位：1.北京交通大学电气工程学院 北京 100091;2.蓝色传感(北京)科技有限公司 北京 100085

摘要：为提高对无创脑机接口(BCI)中P300脑电信号的检测准确度,本文根据卷积神经网络(CNN)与长短期记忆(LSTM)网络,提出一种CNN-LSTM组合网络模型。卷积网络采取分层结构，同时设计匹配不同特征维度的一维卷积核；长短期记忆网络(LSTM)用来发掘数据时序相互依赖性, 学习全局特征的相关性以实现目标分类。试验结果表明，本文提出的模型对于实验诱发出的单试次P300信号，检测准确率达到91.28%，与EEGNet网络和支持向量机算法对比，准确率分别提升2.18%、8.31%。在精确率、召回率、F1分数、AUC值的评价指标下也达到最优性能，具有较强的泛化性能。

关键词：脑机接口;P300信号;卷积神经网络;长短期记忆网络