[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

说明书

本发明公开了一种运动想象脑电信号的处理方法和装置及存储介质。其中，该方法包括：将属于源域的源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，得到第一源MI特征和第一目标MI特征；将第一源MI特征输入到初始分类模型，得到初始分类模型输出的第一分类结果，第一分类结果用于表示源MI脑电信号期望执行的动作；在源MI脑电信号对应的第一已知动作与第一分类结果所表示的源MI脑电信号期望执行的动作不一致或第一源MI特征的特征分布与第一目标MI特征的特征分布的相似度小于第一预定阈值的情况下，调整初始特征提取模型的模型参数和/或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。

技术领域

本发明涉及计算机领域，具体而言，涉及一种运动想象脑电信号的处理方法和装置及存储介质。

背景技术

MI-BCI(Motor Imagery-Brain-Computer Interface，运动想象-脑机接口)是一种人机交互方式，通过自发性想象肢体运动来控制外接设备的运动。基于MI-BCI的系统可以帮助肢体不便的患者进行康复训练，控制机器实现自理提升生活质量，也可以丰富普通群体的生活，如，脑机游戏等。

目前，MI-BCI系统针对每个被试者的脑电信号单独训练一个模型，并使用训练得到的模型进行该被试者的脑电信号进行识别。

通过上述方式得到的MI-BCI系统的性能很大程度受MI脑电信号的解码准确度影响。由于运动想象脑电信号个体差异性大，使得不同被试者的模型并不具备共享性，无法适用于未经过训练的被试者，导致了在实际使用MI-BCI系统前，每个被试者都得经过训练。由于训练过程繁琐复杂而且单个被试训练样本数量少，系统的性能会进一步下降。

因此，相关技术中存在由于MI脑电信号被试个体差异大，导致MI识别模型对不同对象的MI脑电信号解码准确率低的问题。

发明内容

本发明实施例提供了一种运动想象脑电信号的处理方法和装置及存储介质，以至少解决相关技术中存在由于MI脑电信号被试个体差异大，导致MI识别模型对不同对象的MI脑电信号解码准确率低的技术问题。

根据本发明实施例的一个方面，提供了一种运动想象脑电信号的处理方法，包括：将属于源域的源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特征和用于表示目标MI脑电信号的第一目标MI特征；将第一源MI特征输入到初始分类模型，得到初始分类模型输出的第一分类结果，其中，第一分类结果用于表示源MI脑电信号期望执行的动作；在源MI脑电信号对应的第一已知动作与第一分类结果所表示的源MI脑电信号期望执行的动作不一致、或者、第一源MI特征的特征分布与第一目标MI特征的特征分布的相似度小于第一预定阈值的情况下，调整初始特征提取模型的模型参数和/或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，目标特征提取模型输出的用于表示源MI脑电信号的第二源MI特征的特征分布，与目标特征提取模型输出的用于表示目标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第一预定阈值，且目标分类模型输出的第二分类结果所表示的源MI脑电信号期望执行的动作与第一已知动作一致。