基于迁移学习的运动想象脑电信号分类研究

作者：冯洋; 乔晓艳^*

来源：测试技术学报, 2022, 36(05): 376-383.

• 运动想象
• 迁移学习
• 个体差异
• 小样本

由于单个被试的运动想象脑电训练样本较少，且不同被试的脑电个体差异较大，导致大脑运动想象任务分类正确率不高、训练校准时间过长.本文提出一种欧几里得对齐-正则共空间模式的迁移学习方法，实现在样本和特征上同时进行迁移.通过数据对齐的迁移方法使不同被试间样本分布更相似，采用正则化迁移方法改进共空间模式，提取出更鲁棒的空间特征信息.对BCI competition运动想象脑电数据集进行仿真测试，右手和右脚运动想象任务的平均分类正确率可以达到87.10%;在小训练样本集上，本文的迁移学习方法相比共空间模式方法，其平均分类正确率提高了14.43%;对于跨被试的运动想象脑电，平均分类正确率提高了23.5%.实验结果表明，该方法可以有效提高小样本、跨被试运动想象脑电的分类正确率，减少模型校准训练时间，提高泛化能力.

• 单位
  电子工程学院