一种基于自监督学习的脑电信号在线自适应分类方法技术

本发明专利技术公开了一种基于自监督学习的脑电信号在线自适应分类方法包括：获得待测样本；其是对待测被试者在RSVP下采集到的脑电图信号进行预处理后得到的；构建待测样本针对两个自监督任务分别对应的数据集，得到时序验证任务数据集和掩码空间识别任务数据集；基于两个自监督任务的数据集更新预先训练完成的原始脑电信号分类网络的参数，得到更新后脑电信号分类网络；利用更新后脑电信号分类网络对待测样本进行分类得到分类结果。其中原始脑电信号分类网络是利用样本数据集对预设网络训练得到，样本数据集基于多个样本被试者进行快速序列视觉呈现实验所得到的脑电图信号得到。本发明专利技术能解决分布偏移问题，提高RSVP范式中脑电信号的分类性能。号的分类性能。号的分类性能。

【技术实现步骤摘要】
一种基于自监督学习的脑电信号在线自适应分类方法


[0001]本专利技术属于信号处理
，具体涉及一种基于自监督学习的脑电信号在线自适应分类方法。

技术介绍

[0002]脑机接口(BCI)系统在人脑和外部设备之间建立无创连接，以实现信息交换。基于脑电信号的脑机接口系统首先被开发出来，通过将心理意图转化为控制命令来帮助患者实现沟通、运动和康复。作为研究大脑的技术手段之一，脑电信号也常被用作神经科学研究。研究人员利用脑电信号无偏测量个人的疲劳和情绪水平，开发出认知、情感检测等应用。近年来，越来越多的基于脑电的脑机接口系统旨在通过实现人类与计算机的交互，来增强健康用户的工作能力和工作效率。目前的脑机接口系统中，用户的大脑活动通常使用脑电图(electroencephalogram，EEG)信号进行监测，该信号从用户的头皮上记录。
[0003]目前，快速序列视觉呈现(Rapid Serial Visual Presentation，RSVP，也称快速串行视觉呈现)作为一种人类增强的实验范式，受到了研究人员的广泛关注。这种实验范式最常用于反情报本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于自监督学习的脑电信号在线自适应分类方法，其特征在于，包括：获得待测样本；其中，所述待测样本是对待测被试者在快速序列视觉呈现下采集到的脑电图信号进行预处理后得到的；构建所述待测样本针对两个自监督任务分别对应的数据集，得到时序验证任务数据集和掩码空间识别任务数据集；基于所述时序验证任务数据集和所述掩码空间识别任务数据集，对预先训练完成的原始脑电信号分类网络的参数进行更新，得到更新后脑电信号分类网络；其中，所述原始脑电信号分类网络是利用样本数据集对预设网络训练得到，所述样本数据集基于多个样本被试者进行快速序列视觉呈现实验所得到的脑电图信号得到。利用所述更新后脑电信号分类网络对所述待测样本进行分类，得到对应的分类结果。2.根据权利要求1所述的基于自监督学习的脑电信号在线自适应分类方法，其特征在于，所述构建所述待测样本针对两个自监督任务分别对应的数据集，得到时序验证任务数据集和掩码空间识别任务数据集，包括：针对所述时序验证任务，将所述待测样本作为正样本，通过在时间维度上将所述待测样本的不同部分进行交换操作得到负样本，由携带有对应标签的所述负样本和所述正样本共同构成时序验证任务数据集；针对所述掩码空间识别任务，根据预设的大脑区域与电极的对应关系，将所述待测样本划分为预设数量个区域，每次用预设噪声掩码所述待测样本中一个不重复区域的脑电图信号，得到该次的携带有标签的掩码后待测样本；由各次得到的掩码后待测样本共同构成掩码空间识别任务数据集；其中，每次得到的掩码后待测样本的标签，与所述待测样本该次被掩码的脑电图信号区域的区域编号一致。3.根据权利要求2所述的基于自监督学习的脑电信号在线自适应分类方法，其特征在于，所述通过在时间维度上将所述待测样本的不同部分进行交换操作得到负样本，包括：将所述待测样本在时间维度上划分为前后两部分；将所述前后两部分分别对应的脑电图信号进行交换，得到所述待测样本对应的负样本。4.根据权利要求2所述的基于自监督学习的脑电信号在线自适应分类方法，其特征在于，所述预设的大脑区域与电极的对应关系，包括预设数量个大脑区域，以及各大脑区域对应的用于采集脑电图信号的多个电极的名称。5.根据权利要求2所述的基于自监督学习的脑电信号在线自适应...

【专利技术属性】
技术研发人员：李甫，李鸿鑫，方鑫磊，陈佶，李阳，吴昊，付博勋，张利剑，石光明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：