STCCA:通过基于EEG的语音识别等级网络进行空间时间合的交叉注意力
Liang Dong1, Hengyi Shao1, Lin Zhang1,2
1School of Artificial Intelligence, Beijing University of Posts and Telecommunications, Beijing 100876, China.
Sensors (Basel, Switzerland)
|November 13, 2025
概括
这项研究引入了一种新的空间时间合交叉注意力 (STCCA) 网络,用于基于脑电图 (EEG) 的语音识别. STCCA增强了功能融合,提高了大脑与计算机接口应用程序的准确性.
科学领域:
- 神经科学是一个神经科学.
- 计算机科学 计算机科学
- 生物医学工程 生物医学工程
背景情况:
- 基于脑电图 (EEG) 的语音识别显示出对沟通和康复的前景.
- 当前的方法往往无法完全捕捉复杂的时空特征相互作用.
研究的目的:
- 提出一个新的层次网络,STCCA,以改善EEG语音识别.
- 通过探索空间和时间特征之间的复杂交叉关系来解决现有方法的局限性.
主要方法:
- 在层次网络中开发了一个空间-时间合交叉注意力 (STCCA) 机制.
- 使用卷积神经网络 (CNN) 来进行局部特征提取 (LFEM).
- 采用双向注意力机制,用于交叉注意力 (CCA) 融合.
- 集成的多头自我注意层用于全球特征提取 (GFEM).
主要成果:
- 在三个EEG语音数据集上,STCCA的准确率分别为45.45%,25.91%和29.07%.
- 与现有模型相比,表现出1.95%,3.98%和1.98%的性能改进.
- 结合的交叉注意模块有效地模拟了空间和时间特征之间的深层相互作用.
结论:
- 拟议的STCCA网络在基于EEG的语音识别方面取得了重大进展.
- 配合交叉注意力的层次方法有效地捕捉了复杂的神经信号动态.
- 这种方法有可能在沟通和康复中增强脑电脑接口.
