摘要
本发明涉及基于多尺度特征融合的双分支脑电信号解码方法和装置。方法包括:获取脑电时序信号以及对应的频谱作为一对训练数据;构建双分支脑电信号解码模型,双分支脑电信号解码模型包括多层次时域特征提取器、频域特征提取器、多尺度特征融合模块与分类器;将训练数据输入双分支脑电信号解码模型,得到预测结果;根据脑电时序信号中的标签与预测结果计算损失函数,基于最小化损失函数的方式对双分支脑电信号解码模型进行训练,得到训练好的双分支脑电信号解码模型;通过训练好的双分支脑电信号解码模型对待分类脑电信号进行类别预测,生成分类结果。本发明能够更好的利用脑电信号中的时域信号和频域信息,提高了脑电信号的解码精度。
技术关键词
多尺度特征融合
解码模型
融合特征
电信号
时域特征提取
频域特征提取
解码方法
多层次特征提取
时序特征
分支
短时特征
表达式
数据
多尺度信息
前馈神经网络
系统为您推荐了相关专利信息
语音识别网络
语音识别模型
空间特征提取
特征提取网络
时序特征
差分隐私
噪声敏感度
多模态特征融合
高斯核函数
编码器
踏板功能
踏板传感器
电子设备
计算机程序产品
智能驾驶功能
图像生成模型
多尺度特征融合
融合特征
邻居
全局平均池化
训练样本集
模板生成方法
电信号
精度
脑科学技术