换一批摘要针对传统运动想象解码算法对长时间序列特征提取能力不足、脑电信号识别率低等问题,基于卷积神经网络与Transformer编码器融合思想,结合小波分解与频谱注意力,本研究提出全新的卷积小波分解频谱编码器脑电解码算法.首先,构造卷积模块进行局部特征提取,通过小波一级分解得到多级子特征,在Transformer编码器基础上引入频谱注意力替换传统多头注意力,构建全新的FFT-Former编码器,并将多级子特征分别输入频谱注意力中进行频域建模;再通过小波重构技术得到时域特征输入前馈网络中,使得模型能够学习更复杂的特征依赖关系;最后,融合卷积模块与FFT-Former的特征信息,设计分类器实现低计算复杂度、高精度的脑电信号识别.经公开数据集验证,CWFT网络模型在BCI Competition Ⅳ-2a和BCI Competition Ⅳ-2b上的运动想象解码平均准确率分别达到85.65％和89.54％,Kappa系数分别达到80.86％、79.07％,均优于其他对比算法.所提出的算法具有良好的分类性能,为构建运动想象脑机接口提供了新思路.
更多相关知识
分类号
R318（医用一般科学）
栏目名称
DOI
10.3969/j.issn.0258-8021.2026.02.007
发布时间
2026-07-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
- 浏览0
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
