[发明专利]基于黎曼特征迁移的脑磁图信号分类方法、装置及介质

说明书

本发明公开了一种基于黎曼特征迁移的脑磁图信号分类方法、装置及介质，其中方法包括以下步骤：获取脑磁图信号，采用带通滤波器和空间滤波器对所述脑磁图信号进行滤波处理，得到滤波信号；根据所述滤波信号的样本协方差矩阵构建黎曼特征；根据已有受试者的标签信息引入判别子空间对齐方法，对已有受试者和目标受试者的黎曼特征进行对齐；根据特征对齐后的已有受试者特征和标签训练分类器，并采用训练后的分类器预测目标受试者脑磁图信号的类别。本发明通过判别子空间对齐算法来缩小源域和目标域之间的特征分布差异，提高了模型训练特征的质量，相比传统的跨受试者迁移学习方法能更好地提高预测准确率，可广泛应用于脑机接口领域。

技术领域

本发明涉及脑机接口领域，尤其涉及一种基于黎曼特征迁移的脑磁图信号分类方法、装置及介质。

背景技术

脑磁图是脑机接口领域中记录大脑活动信息的一种功能性神经成像技术，具有时间、空间分辨率高的优点。采集脑磁图信号的过程通常耗时多且费用昂贵，借助以往受试者的标注数据可以减少对新的受试者数据的依赖和分类模型的训练时间。由于脑磁图信号具有明显的个体差异性和非平稳性，以往受试者的数据分布与目标受试者数据分布之间存在很大差异，导致训练模型需要冗长的校准过程且分类效果下降。迁移学习是在目标受试者没有或仅有少量标注数据的情况下利用已有受试者的数据改善分类特征，提高分类模型性能。迁移学习可以帮助系统完成跨受试者的特征迁移和模型校准，但现有的迁移学习算法缺少对标签信息的利用，往往达不到最优的效果。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种基于黎曼特征迁移的脑磁图信号分类方法、装置及介质。

本发明所采用的技术方案是：

一种基于黎曼特征迁移的脑磁图信号分类方法，包括以下步骤：

获取脑磁图信号，采用带通滤波器和空间滤波器对所述脑磁图信号进行滤波处理，得到滤波信号；

根据所述滤波信号的样本协方差矩阵构建黎曼特征；

根据已有受试者的标签信息引入判别子空间对齐方法，对已有受试者和目标受试者的黎曼特征进行对齐；

根据特征对齐后的已有受试者特征和标签训练分类器，并采用训练后的分类器预测目标受试者脑磁图信号的类别。

进一步，所述采用带通滤波器对所述脑磁图信号进行滤波处理，包括：

采用一个六阶通带为1-20Hz的巴特沃斯带通滤波器对所述脑磁图信号进行滤波。

进一步，所述采用空间滤波器对所述脑磁图信号进行滤波处理，包括：

采用xDAWN空间滤波算法对脑磁图信号进行滤波和信号增强处理。

进一步，xDAWN空间滤波算法的步骤如下：

经过带通滤波后的某位受试者的第i条脑磁图数据为X_i∈R^C×N，其中C为采集通道数，N为采样序列长度；对于类别k∈{0，1}，定义N_k＝{i|y_i＝k}为类别为K的所有试验数据集合，则第k类数据的平均值为：

矩阵X是某位受试者所有记录合并到一起的信号矩阵，根据公式(1-1)求出类别为k的数据信噪比：

假设存在空间滤波器w∈R^C×1能够最大化每类数据的信噪比，通过式子(1-3)估算出最优的空间滤波器表达式：