一种自适应不同采样频率的脑电分类方法
- 专利权人:
- 厦门大学
- 发明人:
- 张仲楠,温廷羲
- 申请号：
- CN201810788700.X
- 公开号：
- CN109009097A
- 申请日:
- 2018.07.18
- 申请国别(地区):
- CN
- 年份:
- 2018
- 代理人:
- 摘要：
- 一种自适应不同采样频率的脑电分类方法,涉及信号分类方法。基于卷积神经网络构建CNN‑E分类模型;针对不同长度样本数据的训练及测试方法。该模型能应用于对不同采样频率的脑电信号进行学习和分类,又能自适应于不同长度的信号。该模型与传统基于特征提取的分类方法在不同采样频率的脑电信号分类中可能存的问题进行分析。网络模型CNN‑E能够通过自主学习样本数据的特征,同时简单而有效的补全法使模型能够适应于各种长度的数据。实验结果表明,网络模型CNN‑E不管是在同采样频率下的脑电信号数据分类,还是不同采样频率下的脑电信号数据分类及不同样本长度的脑电信号数据分类,都表现很好的分类效果并具有较好的普适性。
- 来源网站：
- 中国工程科技知识中心
