CNN与CSP相结合的脑电特征提取与识别方法研究

来源：信号处理杂志 2018年第2期北京时间：

作者：孔祥浩, 马琳, 薄洪健, 李海峰

摘要：本文针对脑机接口(BCI)应用中需要对脑电(EEG)信号快速精准的解析问题，提出了一种卷积神经网络(CNN)和共同空间模式(CSP)相结合的脑电特征提取与识别方法。在原始脑电信号经过预处理的基础上，通过CSP空间变换获得其相应的特征矩阵。应用CNN对特征矩阵进行学习，对收敛后的CNN网络全连接层的权值进行分析，根据网络学习特性定义CSP矩阵特征筛选准则，得到降维高效的EEG特征集F，计算特征集F规模构建CNN分类器。我们工作在BCI2005Ⅳa竞赛数据集上进行了实验测试，获得88.3%的识别准确率。本文方法与sCSP和KLCSP方法在相同数据集上进行测试，平均识别准确率分别提升了3.2%和2.4%。本文研究综合了数据的时间、空间的特征信息，采用CNN网络学习特性进行特征二次优选与降维，为脑电的特征提取问题提供了一个新的思路。

关键词：共同空间模式(CSP), 卷积神经网络(CNN), 脑电(EEG), 特征优选准则, 脑机接口(BCI)