摘要
本发明属于数据处理领域,具体涉及一种基于卷积神经网络的SSVEP分类方法,该方法包括:将多通道SSVEP脑电数据通过滤波器组把时域的脑电数据分割为多个分别对应SSVEP刺激频率基波及谐波成分的频带;对分割后的数据进行快速傅里叶变换得到其对应的频谱数据;利用多路卷积神经网络分别对各个频带内的脑电频谱数据进行特征提取、学习和归类,最后进行分类;本发明利用SSVEP脑电信号中刺激目标所诱发的脑电电位存在着基波和各个谐波成分存在着互相关性的先验知识,使用时域滤波和快速傅里叶变换对脑电信号进行预处理提取出SSVEP信号的各个谐波成分并通过卷积神经网络来进行特征提取和分类,从而获得更高的分类准确率。