一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法技术

本发明专利技术提出了一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法，旨在提升RSVP脑电信号的特征提取和分类性能。首先，对采集的RSVP脑电信号进行预处理，包括共平均参考、带通滤波和标准化处理并对训练集和测试集进行划分。然后，通过并行卷积层和空间卷积层提取多尺度时间和空间特征，利用插值法融合不同层次的特征。训练过程解耦为表示学习和分类器学习，表示学习使用基于难度样本采样的三元组损失函数，分类器学习使用优化后的Focal Loss进行特征学习和分类器优化。引入自适应通道混合注意力机制，通过动态加权和多层次特征融合，增强了模型的灵活性和鲁棒性。该方法解决了RSVP任务中的类别不平衡问题。

【技术实现步骤摘要】

本专利技术公开了一种基于自适应通道混合注意力机制和解耦学习的rsvp类不平衡脑电信号分类方法，可用于快速序列视觉呈现任务的脑电信号解码，属于计算机与生物医学工程交叉领域。

技术介绍

1、脑机接口(brain-computer interface，bci)是一种通过采集脑电信号(electroencephalogram，eeg)或其他与人脑活动有关的生理信号来控制计算机或外部设备的通信系统。rsvp-bci是bci的一个特定范式，通过检测由脑电信号引发的特殊波形，即事件相关电位(event-related potential，erp)，来识别目标图像中的p300成分。在基于快速序列视觉呈现的脑机接口系统(rapid serial visual presentation brain-computerinterface，rsvp-bci)中，字母或图像通常以固定频率依次闪烁显示在屏幕上。受试者被要求观看这些图像序列，并计算目标图像(特定类型的图片)出现的次数。目标刺激的出现会引发p300事件相关电位，这一电位与刺激开始时间锁定，具有固定的相位。通过对头皮记录的脑本文档来自技高网...

【技术保护点】

1.一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法，其特征在于，具体包括以下步骤：

2.如权利要求1所述的基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法，其特征在于：

3.如权利要求1所述的基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法，其特征在于：

4.如权利要求1所述的基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法，其特征在于：

5.如权利要求1所述的基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法，其特征...

【技术特征摘要】

1.一种基于自适应通道混合注意力机制和解耦学习的rsvp类不平衡脑电信号分类方法，其特征在于，具体包括以下步骤：

2.如权利要求1所述的基于自适应通道混合注意力机制和解耦学习的rsvp类不平衡脑电信号分类方法，其特征在于：

3.如权利要求1所述的基于自适应通道混合注意力机制和...

【专利技术属性】
技术研发人员：王丹，杨攀，许萌，陈佳明，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：