时空注意力脑肌电解码网络

轻量端到端

通过自适应空间注意力与多尺度时序卷积,在脑电与肌电解码中兼顾局部细节和长程依赖,为可穿戴人机交互提供低开销实时方案。

Tianhao, Fu · 周志勇 · Wenyu, Yuan

Electronics (Switzerland) 2025

参数信息

分类准确率(BCI-IV 2a EEG)
79.47 %
分类准确率(NinaPro DB2 sEMG)
85.87 %

技术优势

同时捕捉局部与长程依赖

多尺度卷积模块通过并行滤波器捕捉多样化的时序模式,而自适应注意力动态重加权多通道特征,从而全面提取信号中的时空信息。

轻量且资源高效

模型设计轻量,推理对硬件要求低,适合可穿戴设备上的实时解码,无需高性能计算平台。

超越现有最先进方法

对比评估显示该框架在所有测试场景下均优于现有最先进方法,具有更强的泛化能力。

端到端解码

网络直接以原始信号为输入输出分类结果,无需手工特征工程,简化了部署流程。

应用场景