控制理论与应用

作者：颜亨,周正康,何新生,李俊华,袁振,王洪涛

单位：五邑大学电子与信息工程学院,五邑大学电子与信息工程学院,五邑大学电子与信息工程学院,五邑大学电子与信息工程学院,澳门大学健康科学学院,五邑大学电子与信息工程学院

关键词：脑机接口;运动想象;功能性近红外光谱;动态图卷积神经网络;时间卷积网络

基金：广东省科技厅国际合作项目(2023A0505050144),五邑大学大学生创新创业训练计划项目(2021CX07,2024039)资助.

本文提出一种基于动态图卷积和时间卷积的深度学习模型,用于联合分析脑电图、功能性近红外光谱多模态信号,以实现空间信息和时间信息的互补.具体为:首先,利用锁相值方法分别确定脑电图、功能性近红外光谱通道间的图结构信息;其次,将经过预处理的脑电图和功能性近红外光谱数据分别输入卷积层;再次,将这些由卷积层输出的特征信息和图结构信息输入动态图卷积神经网络进行处理,进一步通过一层时间卷积分别提取两种数据的时间特征,将输出结果进行拼接输入至一层卷积中进行特征层面融合;最后,通过全连接层得到融合后的分类结果. 为评估所提模型的性能,采用3个数据集进行测试.实验结果表明,本模型在3个数据集的分类结果均优于脑电图分类结果和功能性近红外光谱分类结果.消融实验亦验证了本模型具有较强的鲁棒性.

来源：2026年第3期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2026年第3期