一种基于深度学习的P300事件相关电位分类识别方法

摘要

一种基于深度学习的P300事件相关电位分类识别方法，属于医学及生理信号检测与处理分析技术领域。采用巴特沃斯滤波器先后对原始信号进行高通和低通滤波，去除伪迹和工频干扰。使用一次叠加平均技术对数据扩增，并对脑电信号做归一化和时域截断处理，根据信号类别制定相应的监督信号。完成数据的预处理后，将脑电数据划分成训练集和验证集，构建能够分类识别P300事件相关电位的深度学习网络，提升网络特征提取能力。经过训练后的网络最终预测出输入信号包含P300事件相关电位的概率。最后，根据实验范式和网络输出的概率值，预测目标字符。实验显示，本发明的算法性能良好，在减少实验次数的条件下也能取得较好的字符识别正确率。