[发明专利]运动想象脑电信号的处理方法和装置及存储介质

权利要求书

1.一种运动想象脑电信号的处理方法，其特征在于，包括：

将属于源域的源运动想象MI脑电信号和属于目标域的目标MI脑电信号分别输入到初始特征提取模型，得到用于表示源MI脑电信号的第一源MI特征和用于表示所述目标MI脑电信号的第一目标MI特征；

将所述第一源MI特征输入到初始分类模型，得到所述初始分类模型输出的第一分类结果，其中，所述第一分类结果用于表示所述源MI脑电信号期望执行的动作；

在所述源MI脑电信号对应的第一已知动作与所述第一分类结果所表示的所述源MI脑电信号期望执行的动作不一致、或者、所述第一源MI特征的特征分布与所述第一目标MI特征的特征分布的相似度小于第一预定阈值的情况下，调整所述初始特征提取模型的模型参数和/或所述初始分类模型的模型参数，得到目标特征提取模型和目标分类模型，其中，所述目标特征提取模型输出的用于表示所述源MI脑电信号的第二源MI特征的特征分布，与所述目标特征提取模型输出的用于表示所述目标MI脑电信号的第二目标MI特征的特征分布的相似度大于或等于所述第一预定阈值，且所述目标分类模型输出的第二分类结果所表示的所述源MI脑电信号期望执行的动作与所述第一已知动作一致；

调整所述初始特征提取模型的模型参数和/或所述初始分类模型的模型参数，得到所述目标特征提取模型和所述目标分类模型包括：

将所述第一源MI特征和所述第一目标MI特征输入到初始域判别模型，得到第一源判别结果和第一目标判断结果，其中，所述初始域判别模型用于根据所述第一源MI特征的特征分布，确定所述源MI脑电信号属于所述源域的概率和属于所述目标域的概率，以及，根据所述第一目标MI特征的特征分布，确定所述目标MI脑电信号属于所述源域的概率和属于所述目标域的概率；

通过多轮迭代，使用所述源MI脑电信号和所述目标MI脑电信号依次调整初始MI识别模型的模型参数和所述初始域判别模型的模型参数，得到所述目标特征提取模型，所述目标分类模型和目标域判别模型，使得目标域判别模型根据所述第二源MI特征输出的所述源MI脑电信号属于所述源域的概率和属于所述目标域的概率的概率差小于或者等于第二预定阈值，目标域判别模型根据所述第二目标MI特征输出的所述目标MI脑电信号属于所述源域的概率和属于所述目标域的概率的概率差小于或者等于所述第二预定阈值，且所述目标分类模型输出的第二分类结果所表示的所述源MI脑电信号期望执行的动作与所述第一已知动作一致，所述初始MI识别模型包括所述初始特征提取模型和所述初始分类模型，所述目标域判别模型通过使用域判别对抗学习的迁移学习方法训练得到的模型。

2.根据权利要求1所述的方法，其特征在于，在所述目标MI脑电信号对应于第二已知动作的情况下，在调整所述初始特征提取模型的模型参数和/或所述初始分类模型的模型参数，得到所述目标特征提取模型和所述目标分类模型之前，所述方法还包括：

将所述第一目标MI特征输入到所述初始分类模型，得到所述初始分类模型输出的第三分类结果，其中，所述第三分类结果用于表示所述目标MI脑电信号期望执行的动作；

确定所述第一已知动作与所述源MI脑电信号期望执行的动作不一致，所述第二已知动作与所述目标MI脑电信号期望执行的动作不一致，或者，所述第一源MI特征的特征分布与所述第一目标MI特征的特征分布的相似度低于所述第一预定阈值。

3.根据权利要求1所述的方法，其特征在于，在将属于所述源域的所述源MI脑电信号和属于所述目标域的所述目标MI脑电信号分别输入到所述初始特征提取模型之前，所述方法还包括：

获取属于所述源域的初始源MI脑电信号和属于所述目标域的初始目标MI脑电信号；

对所述初始源MI脑电信号进行预处理，得到所述源MI脑电信号；

对所述初始目标MI脑电信号进行预处理，得到所述目标MI脑电信号。

4.根据权利要求3所述的方法，其特征在于，对所述初始源MI脑电信号进行预处理，得到所述源MI脑电信号包括：

从所述初始源MI脑电信号中截取出预定时间长度的信号，得到第一源MI脑电信号；

将所述第一源MI脑电信号输入到带通滤波器，得到第二源MI脑电信号，其中，所述带通滤波器用于滤除所述第一源MI脑电信号中不处于带通频带的信号；

对所述第二源MI脑电信号进行标准化处理，得到所述源MI脑电信号。