一种基于优化时空特征提取的脑电信号对抗域适应方法技术

本发明专利技术涉及一种基于优化时空特征提取的脑电信号对抗域适应方法，先对采集所得的运动想象脑电信号进行带通滤波预处理和归一化等操作，再采用包括集成通道和空间的卷积注意力模块和方差时序层等模块的特征提取器分别在空间维度和时间维度上提取运动想象脑电信号的特征，再运用基于Wasserstein距离的对抗域适应方法来对齐源域被试和目标域被试的数据分布，通过梯度下降法来优化求解参数，从而缩小Wasserstein距离，减小不同被试之间数据分布的差异，使得利用源域数据训练出来的分类器能够用在目标域数据上执行分类任务，解决了训练样本不足的问题，提升了算法的识别精度。提升了算法的识别精度。提升了算法的识别精度。

【技术实现步骤摘要】
一种基于优化时空特征提取的脑电信号对抗域适应方法


[0001]本专利技术涉及一种基于优化时空特征提取的脑电信号对抗域适应方法，属于运动想象脑电信号识别处理


技术介绍

[0002]脑机接口的主要任务是使得机器能够“读懂”大脑的意图，因此如何使用一种准确可靠的方式来记录、测量大脑的活动情况就显得非常重要。在目前的研究中，脑电信号是一种较为有效的记录大脑活动的方式，大部分研究都希望在尽可能短的时间内检测和分析能够反映大脑不同状态的信号。目前的检测技术主要包括脑电图(EEG)、脑皮层电图(ECoG)、脑磁图(EMG)、功能磁共振成像(fMRI)、正电子发射断层扫描(PET)等。其中EEG相对简单快速，价格便宜，不会对人体造成损伤，同时具有较高的时间分辨率，这使得其成为BCI最重要的信号获取手段之一。
[0003]然而，在BCI系统实际应用中要获得充足而又能覆盖整个数据空间的代表性样本是非常困难的一项任务。在传统的模式识别与机器学习领域中，通常假设训练数据和测试数据来自同一特征空间，并且服从相同的数据分布，然而实际采集得到的不同被试的脑本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于优化时空特征提取的脑电信号对抗域适应方法，其特征在于：包括以下步骤：步骤一：对采集到的运动想象脑电信号进行预处理，由于与运动想象有关的脑电信号通常属于μ波和β波，其频率范围在8～30Hz之间，因此采用4阶巴特沃斯带通滤波器，对脑电信号进行8～32Hz的带通滤波；步骤二：对经过带通滤波的脑电信号进行归一化处理，将数据样本限制在一定范围内，方便后续数据处理和计算，加快收敛速度，减少信号采集过程中外部干扰信号的影响；步骤三：将脑电信号输入特征提取器，从空间维度和时间维度来提取出不同运动想象类别的特征；步骤四：将提取出的特征送入域判别器和分类器，前者与特征提取器进行对抗训练，以学习特征中域和类两个级别的分布，从而同时进行域级别和类级别的特征对齐，后者是对特征进行类别上的分类；步骤五：将目标被试的数据送入经过训练得到的分类器，得到最终的分类结果。2.根据权利要求1所述的一种基于优化时空特征提取的脑电信号对抗域适应方法，其特征在于：所述步骤三具体包括：S3.1：利用通道与空间集成的注意力模块对输入的脑电信号进行处理，通道注意力模块进行如下操作：先对输入的脑电信号进行平均池化和最大池化操作，后将生成的平均池化特征和最大池化特征这两个特征分别输送到多层感知器中，经过特征融合得到信号的通道注意力输出，得到下式：式中，σ是sigmoid激活函数，W0,W1是多层感知器输入的共享权重，和是脑电信号经过平均池化和最大池化所得到的特征；在空间注意力模块中，先对输入信号进行平均池化和最大池化操作，使用标准卷积层将两个池化层连接起来，得到：式中，σ是sigmoid激活函数，f
n
×
n
是卷积核大小为n
×
n的卷积操作，和是脑电信号经过平均池化和最大池化所得到的特征；S3.2：采用分频带滤波把脑电信号划分成6个频率子带，即8～12Hz，12～16Hz，
…
，28～32Hz，并在每个频带逐个通道...

【专利技术属性】
技术研发人员：佘青山，陈铁，马玉良，孙明旭，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：