基本信息
文件名称：基于数据增强和数据迁移的运动想象脑电分类研究及应用.pdf
文件大小：4.53 MB
总页数：86 页
更新时间：2026-03-12
总字数：约12.03万字
文档摘要
摘要
基于脑电图（electroencephalogram,EEG）的运动想象（MotorImagery,MI）
分类任务是脑机接口（Brain-ComputerInterface,BCI）领域的一个重要研究方向。
然而，EEG信号的低信噪比、数据收集处理的高成本和个体差异性大，导致模型
泛化能力弱，影响了MI-BCI系统的实用性与便捷性。本文研究了基于数据增强
和数据迁移的MI-EEG信号分类及其结合共享控制策略的应用。主要工作如下：
1.提出基于数据增强和深度学习