基于域不变特征的无源跨个体意图识别方法技术

本发明专利技术公开了一种基于域不变特征的无源跨个体意图识别方法，属于脑电信号识别技术领域

【技术实现步骤摘要】
基于域不变特征的无源跨个体意图识别方法


[0001]本专利技术属于脑电信号识别
，具体涉及一种基于域不变特征的无源跨个体意图识别方法
。

技术介绍

[0002]脑电接口
(Brain
‑
computer Interface,BCI)
是一个快速发展的领域，旨在建立人脑与外部设备之间的直接通信
。BCI
技术通过记录和分析大脑信号来提取关于人的意图或精神状态的信息，从大脑信号中提取的信息随后被用于控制计算机
、
机器人设备和假肢等设备
。BCI
的潜在应用非常广泛，从医疗应用到游戏和娱乐
。
对于残疾患者，
BCI
技术有可能恢复他们的独立性并提高生活质量
。
在医学领域，
BCI
有潜力改善神经系统疾病的诊断和治疗，并为人类大脑的工作提供新的见解
。
此外，脑机接口的研究有助于促进人类对人脑及其功能的理解
。
总之，脑机接口在改善人们的生活
、...

【技术保护点】

【技术特征摘要】
1.
基于域不变特征的无源跨个体意图识别方法，其特征在于，包括下列步骤：步骤
S1
，基于脑电信号采集器采集若干名用户在不同意图任务中激发的脑电信号数据，并对采集的各个用户的脑电信号数据进行预处理，得到每个用户的多个数据样本以及每个数据样本的意图活动标签，将同一用户的所有数据样本作为当前用户的训练集，得到若干个训练集构成源域脑电信号数据集；其中，数据预处理为：截取意图任务中
M
秒的脑电信号数据作为一个数据样本，并根据用户的实际意图活动任务设置每个数据集的真实分类标签，其中，
M
为预设值；步骤
S2
，基于源域脑电信号数据集对意图识别模型进行预训练；其中，意图识别预训练模型包括：特征提取器
、
特征解耦模块和分类器；特征提取器用于提取脑电信号初始特征；特征解耦模块用于提取脑电信号中域不变特征以及域相关特征，特征解耦模块的输入为脑电信号初始特征，且特征解耦模块中包含域判别器，用于对域不变特征和域相关特征进行域判别；分类器用于意图识别的类别输出，且分类器的输入为特征解耦模块输出的域不变特征；步骤
S3
，基于未标记的目标域脑电信号数据集对预训练后的意图识别模型进行域适应训练；基于域适应训练后的特征提取器
、
特征解耦模块中用于输出域不变特征的网络和分类器构成用于目标对象的意图识别器
。2.
如权利要求1所述的方法，其特征在于，特征提取器为基于通道注意力机制的特征提取器
。3.
如权利要求2所述的方法，其特征在于，特征提取器的主干网络为残差神经网络，在残差神经网络的基础上引入通道注意力机制
。4.
如权利要求1所述的方法，其特征在于，特征解耦模块包括两个网络结构相同的自编码器和一个域判别器，其中，自编码器包括：卷积层，并行的两层全连接层，该两层权连接层的输入特征图为卷积层的输出特征图，一层全连接层用于获取其输入特图的方差，另一层全连接层用于获取其输入特图的均值，拼接所提取的均值和方差得到域不变特征或域相关特征；域判别器的输入为域不变特征和域相关特征
。5.

【专利技术属性】
技术研发人员：潘桐杰，叶娅兰，李玉详，穆鑫鑫，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：