基于WPT-SPCNN与分布式虚拟现实的脑电信号分类研究
赵阶晨1
吴昊2
1.黄山职业技术学院 大数据与智能工程学院,安徽黄山 2452002.合肥师范学院计算机与人工智能学院,合肥 230601
摘要：当前脑电信号分类方法在特征提取与模式判别中,难以兼顾信号的时频局部特性与动态时空表征,制约了分类性能的进一步提升.本研究为实现运动想象脑电信号高效分类与多用户虚拟交互,提出了基于小波包变换-串并行卷积神经网络与分布式虚拟现实技术的方法.先对多通道脑电信号预处理,经小波包变换分解重构关键频段,再输入串并行卷积神经网络进行分类,最后引入分布式虚拟现实技术和碰撞检测技术搭建交互系统.结果表明,小波包变换-串并行卷积神经网络平均耗时42.6 ms,压缩率为82.7％,分类平均准确率超过84％,最高达到98％.分布式虚拟现实场景同步延迟平均为18.3 ms,指令执行成功率平均为96.4％,为多用户脑电控制虚拟交互提供了有效方案.
关键词：脑电信号分类小波包变换(WPT)简化串并行卷积神经网络(SPCNN)虚拟现实
分类号：TN911.7(通信)
资助基金：安徽省高校自然科学研究重点项目(2023AH051306)安徽省高校自然科学研究项目(2023AH053102)
论文发表日期：2025-11-20
在线出版日期：2025-12-03（本平台首次上网日期，不代表文献的发表时间）
页数：6( 59-64 )
英文信息