文献

J-GLOBAL ID：202002270891388824   整理番号：20A1221604

条件付き経験モード分解と直列並列CNNに基づく脳波信号認識【JST・京大機械翻訳】

Conditional Empirical Mode Decomposition and Serial Parallel CNN for ElectroEncephaloGram Signal Recognition

著者 (5件)： Tang Xianlun (重慶郵電大学自動化学院 重慶 400065) ,  Li Wei (重慶郵電大学自動化学院 重慶 400065) ,  Ma Weichang (重慶郵電大学自動化学院 重慶 400065) ,  Kong Desong (重慶郵電大学自動化学院 重慶 400065) ,  Ma Yiwei (重慶郵電大学自動化学院 重慶 400065)
資料名： Dianzi yu Xinxi Xuebao  (Dianzi yu Xinxi Xuebao)
巻： 42  号： 4  ページ： 1041-1048  発行年： 2020年 
JST資料番号： C2507A  ISSN： 1009-5896  CODEN： DKXUEC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 運動想像脳波信号(EEG)の非線形、非定常特徴に対して、本論文では、条件経験モード分解(CEMD)と直列並列畳込みニューラルネットワーク(SPCNN)を組み合わせた脳波信号識別方法を提案した。第1のIMFのスクリーニング条件として,各固有モード成分(IMF)とオリジナル信号の相関係数を用いて,CEMDにおいて,IMF間の相対エネルギー占有率を第2のIMFスクリーニング条件として提案した。さらに、脳波信号の各チャネル間の特徴と各チャネル内の特徴を突き止めるため、本論文では、SPCNNネットワークモデルを提案し、CEMD過程後の脳波信号の分類を行った。実験結果は,平均認識率が94.58%であることを示した。公開データセットBCIcompetionIV2bにおける平均認識率は82.13%であり,畳込みニューラルネットワークより3.85%高かった。最後に,車椅子の前進,左回転および右回転のオンライン制御実験を,自己設計したインテリジェント車椅子の脳波制御プラットフォームで行い,そして,EEG信号認識に対する本アルゴリズムの有効性を検証した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *脳波 ,  相関係数 ,  車椅子 ,  有効性 ,  チャネル ,  オンライン制御 ,  占有率 ,  スクリーニング ,  固有モード
準シソーラス用語： ネットワークモデル ,  認識率 ,  *モード分解 ,  *脳波信号 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (4件)： 信号理論  (ND02020G) ,  数値計算  (JE02000J) ,  レーダ  (ND13010H) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 経験 ,  モード分解 ,  直列 ,  CNN ,  脳波信号