排序方式： 共有1条查询结果，搜索用时 0 毫秒
1
1.
基于脑电图EEG(electroencephalogram)的脑机接口BCI(brain computer interface)系统可以帮助肢体运动障碍患者进行日常生活和康复训练。由于EEG信号的信噪比低、个体差异大，使得脑电信号的特征提取和分类存在精度和效率不高的问题，进而影响了在线BCI系统的广泛应用。提出一种融合空间信息的CNN(convolution neural network)用于MI(motor imagery)脑电信号的在线分类，结合运动想象ERD/ERS(event related desynchronization/event related synchronization)现象的对侧效应，对通道重新排序后的MI-EEG分别进行横向和纵向卷积，充分利用了MI-EEG中的空间信息，完成MI-EEG信号的实时采集和分类。结果分析表明：该方法具有一定的实时性和有效性，为在线MI-BCI系统的实现提供了基础。 相似文献
1