基于K-L散度和深度聚類的自適應(yīng)EEGNet-T分布解碼算法研究

摘要： 腦機(jī)接口是腦與外界不通過神經(jīng)或肌肉建立的交流通路，腦電解碼通過歸類腦電特征解讀輸出大腦意圖，是影響性能的關(guān)鍵之一。由于腦電信號存在非平穩(wěn)特性，即使在同一實驗過程中腦電信號的特征也會隨時間發(fā)生變化，導(dǎo)致事先訓(xùn)練好的解碼模型精度常常會隨時間逐漸降低，不利于腦機(jī)接口的長期穩(wěn)定運(yùn)行。本研究提出基于K-L散度和深度聚類的自適應(yīng)EEGNet-T分布解碼算法，根據(jù)腦電特征變化前后T分布的K-...