基于深度域适应的多源跨被试运动想象脑电信号分类方法技术

本发明专利技术涉及运动想象脑电信号解码技术领域，具体涉及基于深度域适应的多源跨被试运动想象脑电信号分类方法，针对不同被试间数据分布差异大的问题，首先对脑电信号进行预处理和欧几里得空间数据对齐；然后采用正则化共空间模式方法提取关键特征，优化信号特征表示；最后构建基于多层感知机的深度学习模型，结合中心矩差异损失和对比域差异损失分别对齐边际分布和类别信息，实现高精度跨被试分类。该方法适用于运动康复、辅助设备控制等脑机接口场景，具备较强的鲁棒性和实用性。

【技术实现步骤摘要】

本专利技术涉及运动想象脑电信号解码，具体涉及基于深度域适应的多源跨被试运动想象脑电信号分类方法。

技术介绍

1、脑机接口(brain-computer interface，bci)是一种通过将人类大脑与计算机或其他电子设备直接连接，实现人脑与外部设备之间交流的创新技术。bci通过绕过传统的神经肌肉通路，直接读取和解释用户的脑活动，使得大脑能够直接与外部设备通信和交互。该技术为行动能力受限的个体提供了更高的自主性和生活质量，并在医学、康复、人机交互等领域具有广泛的应用前景。

2、bci系统通常采用一种无创便携式的方法来获取大脑信号，即脑电图(electroencephalography，eeg)。eeg通过在头皮表面放置电极阵列，采集由皮质神经细胞活动产生的抑制性和兴奋性突触后电位信号。这些信号反映了大脑特定区域的神经活动模式。eeg具有信号采集过程无创、安全、便携的优点，使其成为目前bci研究和应用的主流技术之一。一个典型的bci系统包括信号采集、预处理、特征提取、分类及控制等多个核心模块。首先，系统通过电极阵列采集脑电信号，随后通过滤波、去噪本文档来自技高网...

【技术保护点】

1.基于深度域适应的多源跨被试运动想象脑电信号分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度域适应的多源跨被试运动想象脑电信号分类方法，其特征在于，对脑电数据使用EEGLAB工具箱进行预处理，包括：

3.根据权利要求1所述的基于深度域适应的多源跨被试运动想象脑电信号分类方法，其特征在于，所述对预处理后的脑电信号数据进行欧几里得空间数据对齐，包括：

4.根据权利要求1所述的基于深度域适应的多源跨被试运动想象脑电信号分类方法，其特征在于，所述利用RCSP技术从对齐后的数据中提取特征，包括：

5.根据权利要求1所述的基于深...

【技术特征摘要】

1.基于深度域适应的多源跨被试运动想象脑电信号分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于深度域适应的多源跨被试运动想象脑电信号分类方法，其特征在于，对脑电数据使用eeglab工具箱进行预处理，包括：

3.根据权利要求1所述的基于深度域适应的多源跨被试运动想象脑电信号分类方法，其特征在于，所述对预处理后的脑电信号数据进行欧几里得空间数据对齐，包括：

4.根据权利要求1所述...

【专利技术属性】
技术研发人员：杨利军，龚一帆，杜瑞，潘李冲，杨晓慧，郑晨，
申请(专利权)人：河南大学，
类型：发明
国别省市：