【技术实现步骤摘要】
一种基于黎曼流形的脑电信号异构标签空间迁移学习方法
[0001]本专利技术涉及信号处理
,尤其是一种基于黎曼流形的脑电信号异构标签空间迁移学习方法。
技术介绍
[0002]脑机接口是可将大脑活动转化为控制信号,以指挥外部设备的系统。在BCI系统的帮助下,大脑活动可转化为驱动设备的指令,而无需依赖周围的神经和肌肉。BCI系统的许多应用已被开发为患有交流障碍的人们的康复工具,它也被视为身体健康的人们的增强工具。脑电信号具有低成本、高时间分辨率的特点,广泛应用于脑电接口中。运动想象(MI)是一种自发产生的脑电信号,不需要外界刺激,特别适用于患者的康复训练和运动控制。此外,BCI系统在教育、军事和娱乐领域也有广泛的应用前景。
[0003]但现在有一个新问题。由于脑电信号对噪声或伪影敏感,且具有较高的非平滑性,这可能导致跨标签或跨被试的脑电数据具有较高的变异性。这也导致想象类型较多时,采集新标签的脑电数据会加重被试的负担,以及在构建相应分类器时,每个标签的校准时间相对较长。因此,探索针对不同任务提取和识别EEG特征的有效方法,减少被试负担以及校准时间是非常重要的,迁移学习被认为是解决这个问题的重要方法。迁移学习是指在源域上学习知识,然后将其应用于不同但相关的目标域,迁移学习主要是为了提高数据分布的相关性,减少EEG数据之间校准时间过长的问题。
[0004]然而现阶段在BCI领域适应方面,迁移学习方法多为同构迁移学习类型。同构迁移学习是在源域和目标域具有相同的特征空间和标签空间的情况下进行的。然而,在脑机接 ...
【技术保护点】
【技术特征摘要】
1.一种基于黎曼流形的脑电信号异构标签空间迁移学习方法,其特征在于,包括:S1对被试A的脑电数据的单频段进行分段,得到各子频带的脑电数据;S2将各子频带的脑电数据中标签1和标签2的脑电数据分别按照不同顺序拼接成新标签1和新标签2;将经过拼接的新标签1,2的脑电数据作为源域,标签为3,4的脑电数据作为目标域;其中标签1和标签2仅包含单一的语言想象或运动想象特征,标签3和标签4包含语言想象和运动想象特征;S3对源域的脑电数据集S={X
s,i
,Y
s,i
}的所有脑电数据按标签类别进行分组;分别计算标签1和标签2的脑电数据的平均协方差矩阵;S4对目标域的部分组脑电数据集T={X
t,i
}的所有脑电数据按标签类别进行分组;分别计算标签3和标签4的脑电数据的平均协方差矩阵;S5对源域和目标域的平均协方差矩阵设定对应关系,根据该关系对源域S的脑电数据X
s,i
进行变换,并将目标域的标签按照所述对应关系赋给源域的脑电数据,得到变换后的源域脑电数据;S6将变换后的源域的脑电数据以及步骤S4标注的目标域的脑电数据合并作为训练集,目标域未标注的脑电数据作为测试集,进行特征提取后,进一步进行mRMR特征降维。S7在各个子频带训练集降维后的融合特征上构建用于目标域未标注样本预测的机器学习模型,再送入LDA分类器中进行分类。2.根据权利要求1所述的一种基于黎曼流形的脑电信号异构标签空间迁移学习方法,其特征在于,步骤S1包括:S11截取出被试A的想象期4S的脑电数据S12对被试A的8
‑
32Hz的脑电数据进行分频段,得到8
‑
12Hz、12
‑
16Hz、16
‑
20Hz、20
‑
24Hz、24
‑
28Hz、28
‑
32Hz 6个子频带的脑电数据;S13对被试A的6个子频带分别进行5阶巴特沃斯带通滤波。3.根据权利要求1所述的一种基于黎曼流形的脑电信号异构标签空间迁移学习方法,其特征在于,步骤S2包括:S21分别挑选出标签为标签1、标签2、标签3、标签4这4个标签的脑电数据;S22将标签1和标签2的脑电数据按照先标签1后标签2的顺序拼接成一个新标签,得到新标签1;S23将将标签1和标签2的脑电数据按照先标签2后标签1的顺序拼接成一个新标签,得到新标签2;S24将新标签1和新标签2的脑电数据作为源域,标签3和标签4的脑电数据作为目标域。4.根据权利要求1所述的一种基于黎曼流形的脑电信号异构标签空间迁移学习方法,其特征在于,步骤S3包括:对该被试A源域的脑电数据集S={X
s,i
,Y
s,i
}的所有脑电数据按标签类别进行分组,其中,所述被试A的源域共有2个标签类别其中C=2,c=1,2分别表示标签1和标签2;分别计算标签为1和标签为2的平均协方差矩阵5.根据权利要求1所述的一种基于黎曼流形的脑电信号异构标签空间迁移学习方法,其特征在于,步骤S4包括:
被试A目标域的部分组脑电数据集T={X
t,i
}的所有脑电数据按标签类别进行分组;其中,所述被试A的目标域共有2个标签类别C=4,c=3,4分别表示标签3和标签4;分别计算标签为3和标签为4的脑电数据的平均协方差矩阵具体包括:S41计算目标域的部分脑电信号集T={X
t,i
}中每...
【专利技术属性】
技术研发人员:王力,詹倩倩,任玲玲,黄学文,刘彦俊,
申请(专利权)人:广州大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。