申请/专利权人：北京机械设备研究所

申请日：2021-11-29

公开（公告）日：2024-03-29

公开（公告）号：CN114343673B

主分类号：A61B5/372

分类号：A61B5/372;G06F18/24;G06F18/214;G06N20/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.05.03#实质审查的生效;2022.04.15#公开

摘要：本发明公开了跨被试的运动想象脑电信号处理方法、介质、设备，本发明通过将其他辅助被试的样本与目标被试小训练样本进行混合并计算分类正确率提升贡献度及权重，进而优化了小样本自身的特征分布，最终实现提升目标被试小样本训练分类正确率的目的。本方法改变了不同被试的数据由于差异性而无法用于跨被试训练的现象，增强了数据的可重复使用性，并且能够实现减少离线训练时间，提升小样本训练的分类正确率的目的。

主权项：1.一种跨被试的运动想象脑电信号处理方法，其特征在于，包括以下步骤：准备多名辅助被试的有标签样本、一名目标被试的有标签训练样本和目标被试的无标签测试样本；每名辅助被试的有标签样本轮流与目标被试的有标签训练样本进行混合，依次计算目标被试的无标签测试样本混合前分类正确率a0和每次混合后的分类正确率aj；根据目标被试的无标签测试样本混合前分类正确率和混合后的分类正确率计算每名辅助被试的有标签样本对目标被试的无标签测试样本的分类准确率提升贡献度和对应权重值；根据目标被试训练样本的协方差矩阵与所有辅助被试所选样本协方差矩阵计算复合协方差矩阵；利用所述复合协方差矩阵计算空间滤波器，并使用空间滤波器计算优化后的目标被试的有标签训练样本和目标被试的无标签测试样本的特征；根据优化后的目标被试的有标签训练样本和目标被试的无标签测试样本的特征计算分类正确率；根据目标被试的无标签测试样本混合前分类正确率和混合后的分类正确率计算每名辅助被试的有标签样本对目标被试的无标签测试样本的分类准确率提升贡献度和对应权重值包括：按照Δj＝aj-a0公式计算分类正确率提升贡献度；按照公式计算权重值；其中，a0为目标被试的无标签测试样本混合前分类正确率，aj为目标被试的无标签测试样本混合后分类正确率，Δj为辅助被试的分类正确率提升贡献度，min△为全部辅助被试中最小分类正确率提升贡献度，max△为全部辅助被试中最大分类正确率提升贡献度；根据目标被试训练样本的协方差矩阵与所有辅助被试所选样本协方差矩阵计算复合协方差矩阵包括：按照公式计算复合协方差矩阵；其中，Cy为复合协方差矩阵，为目标被试训练样本的协方差矩阵，为辅助被试所选样本的协方差矩阵，βc为正则化参数且满足0≤βc≤1。

全文数据：

权利要求：

百度查询： 北京机械设备研究所 跨被试的运动想象脑电信号处理方法、介质、设备

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD