基于小波包和串并行CNN的脑电信号分类

摘要

针对运动想象脑电信号(EEG)的非线性、非平稳性特点,提出了一种结合小波包变换(WPT)和串并行卷积神经网络(SPCNN)的脑电信号分类方法.在小波包变换过程中,对脑电信号进行时频分解,选取与运动想象密切相关的频率段进行重构,重构后的脑电信号保留了有效的时频信息.考虑到脑电信号不同通道之间以及通道内的特征,构建了SPCNN网络模型自动提取有效的特征并进行分类.利用公开的竞赛数据集BCI competition IV 2b进行验证,结果表明:该方法能自适应的提取到有效特征,平均分类准确率达到了84.77%,比卷积神经网络提高了6.49%,为脑机接口系统的研究提供了一种分类方法.