一种用于动作分类的多视图脑肌电融合解码方法

本发明提供了一种用于动作分类的多视图脑肌电融合解码方法，结合了时频图特征提取、图表示特征提取的优势。首先，本方法通过短时傅里叶变换(STFT)将EEG和sEMG信号转换为时频图像，并通过3D卷积神经网络提取时频图像中的空间和时间特征，为了进一步提高特征的表达能力，采用卷积注意力模块(CBAM)来动态调整特征通道和空间区域的重要性，从而强化关键信息的学习，基于标准化置换互信息(SPMI)构建EEG和sEMG信号的图表示，将时频图像特征作为节点特征，并利用图卷积网络(GCN)进行信息传播，捕捉节点之间的空间特征，为进一步提高信息聚合的精度，本方法引入图注意力网络(GAT)，通过自适应计算节点间的关联权重，优化节点信息的传播过程，最后，将提取的时频特征和图结构特征进行多视图特征融合，通过串联操作得到融合后的特征，最终用于动作分类。