【技术实现步骤摘要】
本专利技术涉及深度学习领域，具体涉及一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法及系统。
技术介绍
1、随着信息技术的快速发展，脑科学和计算机技术的突破性进展为脑机接口技术的进步奠定了重要基础，脑机接口逐渐在神经科学、医疗康复以及军事工程等多个领域表现出极高的研究潜力和应用价值。该技术通过解码大脑神经活动信号，实现了人脑与外部设备间的直接信息交互，突破了传统人机交互方式的局限性。在脑科学研究领域，基于脑电信号的脑机接口技术因其非侵入性、高时间分辨率、操作简便及成本效益比高等优势，已成为该领域的研究热点之一。其中，基于运动想象的脑机接口技术取得了显著的进展，为脑机接口的实用化奠定了重要基础。
2、目前针对运动想象脑电信号识别的核心研究内容主要围绕特征提取与分类算法的优化展开，相关方法可分为两类：一类是基于传统机器学习算法的研究范式，另一类则是近年来兴起的基于深度学习算法的多域特征分析方法，该方法通过融合多维特征空间的信息，实现对运动想象脑电信号的高效提取和精准分类。多项研究表明，该系统的分类性能在很大程度...
【技术保护点】
1.一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其特征在于，对原始脑电波信号进行预处理，得到处理后的脑电波信号，包括：
3.根据权利要求1所述一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其特征在于，所述对处理后的脑电波信号进行浅层特征提取，得到浅层时空特征与浅层时频特征，包括：
4.根据权利要求1所述一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其...
【技术特征摘要】
1.一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其特征在于，对原始脑电波信号进行预处理，得到处理后的脑电波信号，包括：
3.根据权利要求1所述一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其特征在于，所述对处理后的脑电波信号进行浅层特征提取，得到浅层时空特征与浅层时频特征，包括：
4.根据权利要求1所述一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其特征在于，所述多层次处理架构包括多头注意力模块、transformer模块和时间卷积模块；
5.根据权利要求4所述一种基于注意力时间卷积网络多特征融合的单侧运动想象脑电信号识别方法，其特征在于，滑动窗口长度为：
6.根据权利要求1所述一种基于注意力...
【专利技术属性】
技术研发人员：陈景霞，张鹏伟，刘可馨，陈海丰，
申请(专利权)人：陕西科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。