一种基于脉冲神经网络的MI-EEG分类识别的方法

本发明一种基于脉冲神经网络的MI‑EEG分类识别的方法，包括采集脑电信号并进行预处理；利用泊松编码的方式将二维时频图像转换为脉冲序列；通过将脉冲序列输入脉冲神经网络中生成兴奋神经元脉冲发放的频率直方图；对输出的脉冲采用投票法进行分类。本发明利用脉冲神经网络对图像进行识别分类处理，在其精度达到要求的同时，减少功耗等方面的开支；同时引入了STDP学习机制与侧抑制机制，通过STDP学习机制调整连接强度，并通过侧抑制机制抑制未发放脉冲的兴奋神经元；STDP学习机制和侧抑制机制共同影响着神经元群体，使得对应指令的神经元更容易发放脉冲，并降低不活跃神经元的膜电位，使其发放脉冲的代价变大，更不容易发放脉冲。