基于多域渐近卷积神经网络的驾驶脑电信号识别方法

本发明公开了一种基于多域渐近卷积神经网络的驾驶脑电信号识别方法，涉及到了脑电智能识别领域。主要由脑电信号(EEG)采集，频域特征、空间特征提取，可变式渐近卷积神经网络建模识别分类组成。对采集的EEG信号进行预处理后，通过快速傅里叶变换(FFT)处理得到频域特征，再通过共空间模式(CSP)处理得到空间特征。堆叠所有频带特征，构造输入矩阵，输入到所构造的可变式渐近卷积神经网络模型，不同阶段所使用的策略不同，得到关于五种驾驶行为的识别分类。本发明通过对频域‑空间特征和可变式渐近卷积神经网络模型结合，更加关注EEG信号的全局特征，从而显著提升了模型分类能力，进一步提升脑电信号分类识别的效果。同时，该模型轻量化的特点满足智能驾驶对实时性的要求。