来源：期刊VIP网 时间：
作者：黄仁慧;张锐锋;文晓浩;闭金杰;黄守麟;李廷会;
单位：广西师范大学电子与信息工程学院/集成电路学院;
摘要：深度挖掘和利用脑电信号的特征信息，以提高运动想象的分类性能，一直是脑机接口的研究热点。考虑到脑电特征空间具有高维性且与幅值和相位密切相关，如何有效表达和同时利用脑电的幅值和相位信息已经成为一个难题。为此，本研究提出一种基于复数协方差特征的三维复值卷积神经网络。首先，构建脑电不同频率下的复数协方差矩阵特征，不仅通过复值表示将幅值和相位信息结合在一起，并且保留分类所需的多变量信息，如幅值、相位、空间位置、频率等。其次，设计针对多复数协方差特征的全复数卷积神经网络，实现运动想象任务的高性能分类。在2个公开数据集上的实验结果表明，本研究提出的方法可获得比现有前沿方法至少高出2.49和1.85个百分点的平均准确率。
关键词：脑电信号;;脑机接口;;幅相信息融合;;复数协方差特征;;复值卷积神经网络;;信息交互
基金资助：国家自然科学基金(62466006);; 广西科技计划青年创新人才科研专项(桂科AD23026245)
