-
题名运动想象脑电信号的跨被试动态多域对抗学习方法
- 1
-
-
作者
曹铉
罗天健
-
机构
福建师范大学计算机与网络空间安全学院
数字福建环境监测物联网实验室(福建师范大学)
-
出处
《计算机应用》
CSCD
北大核心
2024年第2期645-653,共9页
-
基金
国家自然科学基金资助项目(62106049)
福建省自然科学基金资助项目(2022J01655)。
-
文摘
解码运动想象脑电(EEG)信号是构造脑机接口(BCI)的关键技术之一。然而,脑电样本采集成本高、个体差异大,且信号具有时变性强、低信噪比等特点,构建跨被试模式识别方法成为了研究的关键。为此,提出一种跨被试动态多域对抗学习方法。首先采用样本协方差对齐和全局域鉴别器适应样本集边缘分布,随后采用多个类别子域鉴别器适应样本集条件分布,并自适应学习多域鉴别器的对抗系数。基于动态多域对抗学习策略,所提出的动态多域对抗网络(DMDAN)模型可学习到被试域间有泛化能力的深度特征。在BCI Competition IV 2A和2B公开数据集上的实验结果表明,DMDAN模型提高了跨被试域不变特征的学习能力,与现有对抗学习方法DRDA(Deep Representation Domain Adaptation)相比,在数据集2A和数据集2B上的平均分类准确率分别提高了1.80和2.52个百分点。可见,所提出的DMDAN模型提升了跨被试运动想象脑电信号解码性能,在不同数据集上具有不错的泛化性。
-
关键词
动态对抗学习
运动想象
脑电信号
域适应
协方差矩阵对齐
-
Keywords
dynamic adversarial learning
Motor Imagery(MI)
EEG(ElectroEncephaloGraphy)signal
domain adaptation
covariance matrix alignment
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-