本文提出了一种新的子带级联公共空间模式（SBCCSP）算法，用于跨受试者下肢运动意象（MI）分类。结合深度转移学习，通过3种SBCCSP算法提取低冗余特征，提高了BCI系统的性能。数据预处理、增强、对齐和特征提取等步骤确保了模型的有效应用。实验证明，这种方法在下肢MI信号分类中表现出高精度和效率。
运动想象迁移学习系列:SBCCSP
论文地址：https://ieeexplore.ieee.org/abstract/document/10341209
论文题目：Sub-Band Cascaded CSP-based Deep Transfer Learning for Cross-Subject Lower Limb Motor Imagery Classification
论文代码：无
0. 引言
下肢运动意象 （MI） 分类是脑机接口 （BCI） 中一个具有挑战性的研究课题，因为人脑中左右下肢运动的生理表征过于接近。此外，运动想象信号具有严重的受试者特异性特征。以往研究中针对特定受试者设计的分类方案无法满足通用脑机接口系统中跨受试者分类的要求。因此，本研究旨在建立跨受试者的下肢运动想象分类方案。提出了3种新的子带级联公共空间模式（SBCCSP）算法，以低冗余提取代表性特征。验证是基于从实验中执行 MI 任务的受试者收集的基于下肢阶梯的 MI 信号进行的。所提出的3种SBCCSP算法的方案比其他常见的空间模式（CSP&#
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
