基于松散型WNN的运动想象脑电信号解码研究

基于运动想象的脑机接口可以控制外部设备，在医疗康复领域中有着重要的临床意义。为了提高运动想象脑电信号的分类准确率，提出一种松散型小波神经网络，即双树复小波变换与神经网络分开进行计算再组合。利用DTCWT对预处理后的脑电信号进行分解，计算复小波系数的多个特征值并构建特征向量，将组合后的特征向量送入神经网络中进行分类识别。实验结果表明，该算法在BCI Competition IV的数据集2a上的平均准确率为76.03%。通过与不同分类器和现有方法的比较，验证了松散型小波神经网络的有效性。