一种运动想象迁移学习的源域样本筛选方法技术

本发明专利技术公开了一种运动想象迁移学习的源域样本筛选方法，包括以下步骤：截取受试者的脑电信号作为运动想象数据；将一名受试者的运动想象数据设为测试集，其他受试者的数据设为训练集；使用EA对齐方法对测试集和训练集的脑电信号进行对齐；使用TS算法对训练集进行过滤运算，得出最终的源域训练集；利用CSP提取脑电信号中的特征；利用最终的源域训练集数据调整LDA参数，对测试集数据进行分类，识别受试者的运动想象的具体肢体部位。通过对齐从本质上减少了源域样本与目标样本间的差异，再剔除与目标样本差异较大的源域样本，最大化地减少两者之间的差异。之间的差异。之间的差异。

【技术实现步骤摘要】
一种运动想象迁移学习的源域样本筛选方法


[0001]本专利技术属于运动想象迁移学习领域，尤其涉及一种运动想象迁移学习的源域样本筛选方法。

技术介绍

[0002]迁移学习通过学习相关领域的知识来提高目标领域的分类效果，目前在脑机接口领域已经有了较大的进展。然而由于脑电信号幅度微弱且复杂，因此即使进行相同的活动，不同的人的脑电信号也不完全相同，因此，将直接使用其他受试者的样本进行训练而得到的分类器，应用在目标受试者上，很容易造成准确率下降，也就是负迁移。
[0003]中国专利CN 111728609 A公开了一种“脑电信号的分类方法、分类模型的训练方法、装置及介质”，通过对脑电信号进行特征提取，得到脑电信号对应的信号特征，获取差异分布比例，所述差异分布比例用于表征不同类型的差异分布对信号特征和源域特征在特征域上的分布产生的影响，再根据差异分布比例将信号特征与源域特征进行对齐，得到对齐后的信号特征；对对齐后的信号特征进行分类，得到脑电信号对应的运动想象类型。该方法可以使得脑电信号分类模型基于迁移学习的思想识别多种类型的脑电信号，但是该方法在减本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种运动想象迁移学习的源域样本筛选方法，其特征在于，包括以下步骤：S1截取受试者的脑电信号作为运动想象数据；S2将一名受试者的运动想象数据设为测试集，其他受试者的数据设为训练集；S3使用EA对齐方法对测试集和训练集的脑电信号进行对齐；S4使用TS算法对训练集进行过滤运算，得出最终的源域训练集；S5利用CSP提取脑电信号中的特征；S6利用最终的源域训练集数据调整LDA参数，对测试集数据进行分类，识别受试者的运动想象的具体肢体部位。2.根据权利要求1所述的一种运动想象迁移学习的源域样本筛选方法，其特征在于，所述步骤S1具体包括：使用8
‑
30Hz的带通滤波器处理受试者脑电信号，消除肌肉伪影、线噪声污染和直流漂移，截取运动想象提示信号后0.5
‑
3.5秒的脑电信号作为运动想象数据。3.根据权利要求1所述的一种运动想象迁移学习的源域样本筛选方法，其特征在于，所述步骤S3具体包括：S31计算测试集运动想象实验协方差矩阵的算数平均值；S32将所有运动想象数据X
i
向协方差矩阵的算数平均值上投影，得到对齐后的脑电数据；S33对齐后，得到受试者n个样本的平均协方差矩阵。4.根据权利要求3所述的一种运动想象迁移学习的源域样本筛选方法，其特征在于...

【专利技术属性】
技术研发人员：祝磊，楚超，杨君婷，张建海，何光发，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：