【技术实现步骤摘要】
本专利技术属于脑电信号处理，尤其涉及基于自适应门控权重的抗噪声运动想象脑电信号分类方法及系统。
技术介绍
1、脑机接口(bci)技术通过采集和分析人类大脑的活动数据，建立人脑与外部设备之间的直接通信通道，是人机交互的重要发展方向之一。脑机接口技术通过采集、处理和解码脑电活动，将人类思维转化为可执行指令，实现对外部设备的直接控制。该技术在辅助残障人士恢复生活自理能力方面具有重要应用价值，例如通过脑控轮椅提高行动不便人士的移动自主性。
2、为增强脑电信号的可检测性和可靠性，研究人员开发了多种实验范式，包括p300事件相关电位、视觉稳态诱发电位(ssvep)以及运动想象等方法，每种范式针对不同的脑认知过程，为用户提供多样化的脑机交互途径。然而，脑电信号具有信噪比低、非平稳性强等特点，且极易受到环境噪声、肌电干扰以及仪器噪声的影响。这些问题在实际应用环境中尤为显著，导致现有脑机接口系统在从实验室环境向真实场景迁移时面临严重的性能下降。特别是在嘈杂环境下，如何有效过滤干扰噪声，保证脑电信号分类的准确性和稳定性，成为制约脑控轮椅等应用大...
【技术保护点】
1.基于自适应门控权重的抗噪声运动想象脑电信号分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述S3中自适应门控权重模块包括Z分数计算单元、门控网络单元和加权操作单元；
3.根据权利要求2所述的方法，其特征在于，所述Z分数计算单元，具体如下：
4.根据权利要求3所述的方法，其特征在于，所述门控网络单元，具体如下：计算通道显著性与噪声水平的组合值α，表示如下：
5.根据权利要求1所述的方法，其特征在于，所述S3中特征提取模块包括频谱特征提取单元、空间特征学习单元、蓝图卷积单元和深度可分离卷
【技术特征摘要】
1.基于自适应门控权重的抗噪声运动想象脑电信号分类方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的方法，其特征在于，所述s3中自适应门控权重模块包括z分数计算单元、门控网络单元和加权操作单元；
3.根据权利要求2所述的方法，其特征在于，所述z分数计算单元，具体如下：
4.根据权利要求3所述的方法，其特征在于，所述门控网络单元，具体如下：计算通道显著性与噪声水平的组合值α，表示如下：
5.根据权利要求1所述的方法，其特征在于，所述s3中特征提取模块包括频谱...
【专利技术属性】
技术研发人员：杨程，卢山，李游，陈哲琨，王祉恒，
申请(专利权)人：浙大城市学院，
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。