DSCNN: Dilated Shuffle CNN Model for SSVEP Signal Classification

脑-机接口 卷积(计算机科学) 卷积神经网络 计算机科学 人工智能 信号(编程语言) 模式识别(心理学) 频道(广播) 脑电图 接口(物质) 特征提取 小波变换 语音识别 人工神经网络 小波 心理学 计算机网络 气泡 精神科 最大气泡压力法 并行计算 程序设计语言
作者
Mengyu Li,Chao Ma,Weidong Dang,Ruiqi Wang,Yong Liu,Zhongke Gao
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:22 (12): 12036-12043 被引量:9
标识
DOI:10.1109/jsen.2022.3173433
摘要

The steady state visual evoked potential (SSVEP) based brain-computer interface (BCI) system has attracted a lot of attention. It is a great challenge to increase the classification accuracy of SSVEP, especially in fatigue state. In this paper, we propose a dilated shuffle convolutional neural network (DSCNN) model to realize EEG-based SSVEP signal classification. Firstly, we conduct experiments to obtain SSVEP recordings in normal and fatigue states. Then combining continuous wavelet transform (CWT) and DSCNN, we construct a framework for realizing the SSVEP detection. In DSCNN, the signals are processed by three parallel dilated convolution layers firstly, then we extract the characteristics of the signals through channel shuffle and group convolution, while reducing the computational load. For normal condition, we reach an average accuracy rate of 96.75%, and for the data under fatigue state, the average accuracy of this method increases to 77.52%. Through the comparison with the existing methods, the effectiveness and advance of our method are proved, and the effect of channel shuffle on signal extraction is also demonstrated by comparison.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
神勇的冬瓜完成签到,获得积分10
8秒前
Jasper应助creedli采纳,获得10
9秒前
xiaofeng5838完成签到,获得积分10
12秒前
垃圾桶完成签到 ,获得积分10
13秒前
WXM完成签到 ,获得积分10
16秒前
丘比特应助科研通管家采纳,获得10
16秒前
18秒前
DaYongDan完成签到 ,获得积分10
18秒前
19秒前
Cai发布了新的文献求助10
22秒前
有魅力寒凡完成签到,获得积分10
23秒前
Stephhen完成签到,获得积分10
23秒前
义气完成签到 ,获得积分10
25秒前
creedli发布了新的文献求助10
26秒前
毛豆爸爸完成签到,获得积分0
26秒前
mary完成签到,获得积分10
36秒前
RSHL完成签到 ,获得积分10
38秒前
伶俐的春天完成签到 ,获得积分10
39秒前
聪明凌柏完成签到 ,获得积分10
39秒前
sowhat完成签到 ,获得积分10
42秒前
46秒前
53秒前
标致一手完成签到 ,获得积分10
57秒前
一颗红葡萄完成签到 ,获得积分10
57秒前
科研通AI2S应助MrLee2R采纳,获得10
59秒前
木光发布了新的文献求助10
59秒前
细心的向日葵完成签到,获得积分10
1分钟前
Alex完成签到,获得积分10
1分钟前
俏皮诺言完成签到,获得积分10
1分钟前
握瑾怀瑜完成签到 ,获得积分0
1分钟前
鲤鱼依白完成签到 ,获得积分10
1分钟前
烂漫的煎饼完成签到 ,获得积分10
1分钟前
Phoenix ZHANG完成签到 ,获得积分10
1分钟前
1分钟前
XuChen发布了新的文献求助10
1分钟前
1分钟前
wp4455777完成签到,获得积分10
1分钟前
XuChen完成签到,获得积分10
1分钟前
醒略略发布了新的文献求助20
1分钟前
进退须臾完成签到,获得积分10
1分钟前
高分求助中
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
宽禁带半导体紫外光电探测器 388
Case Research: The Case Writing Process 300
Global Geological Record of Lake Basins 300
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3142849
求助须知:如何正确求助?哪些是违规求助? 2793757
关于积分的说明 7807197
捐赠科研通 2450021
什么是DOI,文献DOI怎么找? 1303576
科研通“疑难数据库(出版商)”最低求助积分说明 627016
版权声明 601350