基于深度信念网络的运动想象脑电信号识别

来源：信息与控制杂志2015年第6期北京时间：

作者：唐贤伦, 周家林, 张娜, 刘庆

摘要：目前脑电信号的识别中，特征提取和分类是分开独立完成的. 为了简化识别过程和提高识别效果，本文提出一种运用深度信念网络（DBN）进行脑电信号识别的方法. DBN模型由多层RBM（restricted Boltzmann machine）网络和一层BP（back-propagation）网络构成，通过RBM实现对脑电信号的分层特征提取，以确保获得最优特征向量，再由一层BP网络对RBM输出的特征向量进行分类，从而实现脑电信号的识别. 本文使用Emotiv脑电采集仪采集的运动想象脑电数据进行实验. 实验表明，深度信念网络对粗糙的脑电数据具有强大的特征学习能力，对运动想象脑电信号的识别率优于支持向量机（SVM），简化了脑电识别流程，提高了识别率，为脑—机接口中脑电信号的识别提供了一种新颖的思路.

关键词：深度信念网络, 脑电识别, 特征学习