来源：期刊VIP网 时间：
作者：吴生彪;程显朋;李花宁;
单位：东华理工大学机械与电子工程学院;江西省康复辅具技术研究院;
摘要：针对运动想象脑电信号（MI-EEG）样本数据分布不平衡、时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难导致的基于MI-EEG的运动意图识别实时性差、精度低的问题，提出一种融合改进的双向长短时记忆神经网络（BiLSTM）和全卷积神经网络（FCN）的MI-EEG信号分类方法。首先，该方法利用条件生成对抗网络产生虚假的MI-EEG信号样本，实现训练样本集的有效扩充，解决了数据集过少且各类别数量不平衡的问题；其次，利用双向自注意力长短时记忆神经网络和全卷积神经网络的各自优势，避免了时序特征提取时对长距离的依赖和关注度不均衡、局部特征提取难以及无法兼顾MI-EEG信号的时-空域特征的问题；在此基础上，构建融合特征与动作分类标签间的非线性映射关系，从而提高模型的识别精度。最终将此分类模型与其他的MI-EEG分类模型在测试数据集进行了对比实验。研究成果表明，该MI-EEG识别模型准确度达到了97%，显示出较强的泛化能力。
关键词：运动想象;;脑电信号分类;;生成对抗网络;;长短时记忆网络;;全卷积神经网络;;注意力机制
基金资助：国家自然科学基金项目（62141102）;; 江西省教育厅科学技术研究项目（GJJ2200726）;; 东华理工大学博士科学研究基金项目（DHBK2019178）
