一种基于脑肌电跨模态特征对齐的双流注意力融合动作识别方法

本发明公开了一种基于脑肌电跨模态特征对齐的双流注意力融合动作识别方法，本发明首先使用EEGNet网络提取脑电信号(EEG)的深度特征，同时采用结合挤压与激励(SE)注意力模块的ResNet34网络提取肌电信号(sEMG)的深度特征，随后提出一种交互融合机制，通过密集对称共同注意机制实现EEG与sEMG深度特征的动态对齐，有效捕捉两种信号之间的互补信息，最后，采用Transformer编码器层进一步提取模态内和模态间的语义上下文特征，从而识别具有高度区分度的动作。本发明有效提升了脑肌电信号融合动作识别的性能，具有较高的分类精度和鲁棒性。