换一批基于黎曼空间滤波与域适应的跨时间运动想象-脑电解码研究
Cross-session motor imagery-electroencephalography decoding with Riemannian spatial filtering and domain adaptation
摘要运动想象(MI)是一种无需实际运动即可通过脑电图(EEG)识别的心理过程,它在脑-机接口(BCI)技术领域具有重要的研究价值和应用前景.然而,MI-EEG信号的非平稳性和低信噪比使得其分类成为一项挑战.本研究提出了一种基于黎曼空间滤波与域适应(RSFDA)的方法,旨在提高MI-BCI跨时间分类任务的准确性与效率.该方法通过多模块协同的方式,有效解决了源域与目标域数据分布不一致的问题,提升了跨时间MI-EEG分类任务的泛化能力.本文在三个公开数据集上对比了 RSFDA与八种现有竞争方法的分类准确率和训练时间成本.结果显示,RSFDA的平均分类准确率为79.37％,对比分类效果最好的深度学习方法Tensor-CSPNet的76.46％提高了 2.91％(P＜0.01).此外,RSFDA还具有较低的计算成本,平均训练时间约为3 min,对比Tensor-CSPNet的25 min缩短了 22 min.因此,RSFDA方法在跨时间的MI-EEG分类任务中表现出色,兼具准确性和高效性,但它在复杂迁移场景中的表现仍需进一步研究和验证.
更多相关知识
关键词
脑-机接口脑电信号运动想象机器学习跨时间Brain-computer interfaceElectroencephalographyMotor imageryMachine learningCross-session
栏目名称
DOI
10.7507/1001-5515.202411035
发布时间
2025-05-20（万方平台首次上网日期，不代表论文的发表时间）
- 浏览12
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
