[發明專利]一種用于腦機接口校準的異構標簽空間遷移學習方法

有效

• 申請號: 201911100099.1
• 申請日: 2019-11-12
• 公開（公告）號: CN110851783B
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 伍冬睿;何赫
• 申請（專利權）人: 華中科技大學
• 主分類號: G06F17/16
• 分類號: G06F17/16;G06K9/62;A61B5/369;A61B5/372
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 李智

本發明公開了一種用于腦機接口校準的異構標簽空間遷移學習方法，涉及腦機接口領域，包括：對新用戶的腦電信號樣本集進行標注和分組，計算每個分組內的的平均協方差矩陣；對輔助用戶的腦電信號樣本集的所有樣本按標簽類別進行分組，計算每個分組內的平均協方差矩陣；根據滿足設定對應關系的平均協方差矩陣，對輔助用戶的樣本進行變換，并將新用戶的標簽按照所述對應關系賦給輔助用戶樣本，得到變換后的輔助用戶數據；將變換后的輔助用戶數據以及標注的新用戶樣本合并作為訓練集，并在該訓練集上構建機器學習模型。本發明方法能夠借助異構標簽空間的輔助用戶數據，提升新用戶的模型學習能力，大幅度減少新用戶所需校準數據，從而有效減少校準時間。

技術領域

本發明屬于腦機接口領域，更具體地，涉及一種用于腦機接口校準的異構標簽空間遷移學習方法。

背景技術

腦機接口是一種為大腦和外部設備(比如計算機、機器人等)提供直接交互通道的系統，被視為人機交互的終極形式。它既使得用戶可以通過大腦信號直接控制外部設備的移動，比如機械外骨骼或無人機；也可以用來判斷大腦當前的狀態，比如睡眠狀態，疲勞程度等等。腦機接口系統的輸入信號有腦電圖，腦磁圖，功能核磁共振成像等，其中以腦電最為常見。腦電通常由頭戴式的腦電帽通過電極從頭皮表面采集，可以在頭皮上監測到群體神經元的放電活動。然后通過解碼神經元的活動，來識別用戶的意圖或者狀態，并最終轉化成對外部設備的控制信號。

目前，腦機接口技術遇到的主要挑戰之一是每個新用戶在使用之前都需要經過一段較長時間的個性化校準，這極大降低了人們使用腦機接口的意愿。所以，減少新用戶的校準時間是使得腦機接口更加實用的關鍵問題。遷移學習被認為是解決這個問題的重要方法，其基本思想是利用輔助用戶(源域)的數據來幫助新用戶(目標域)進行校準，通常可以分為以下幾個類別：(1)基于樣本的遷移學習：通過一定的權重生成規則，對源域樣本賦予不同的權重，使得源域數據盡可能的與目標域數據相似；(2)基于特征的遷移學習：通過特征變換的方式減少源域和目標域之間的分布差異；(3)基于模型的遷移學習：從源域和目標域中找到共享的參數信息，然后對模型的參數進行遷移。

然而，現階段絕大多數遷移學習方法，都要求源域與目標域有相同的特征空間和標簽空間，這極大地限制了遷移學習的應用范圍，因為在腦機接口領域，有很多的源域數據會與目標域數據有不同的特征空間或標簽空間。而現有技術只考慮了特征空間不同的情況，沒有提出任何針對標簽空間不同的遷移學習方法。當新用戶和輔助用戶的標簽空間不同時，輔助用戶數據無法利用，只能采集大量的新用戶數據進行校準，造成校準時間大大增長。

發明內容

針對現有技術的以上缺陷或改進需求，本發明提供了一種用于腦機接口校準的異構標簽空間遷移學習方法，其目的在于解決，在腦機接口校準過程中，當新用戶和輔助用戶的標簽空間不同時，輔助用戶數據無法利用，只能采集大量新用戶數據進行校準，造成校準時間大大加長的技術問題。

為實現上述目的，本發明提供了一種用于腦機接口校準的異構標簽空間遷移學習方法，包括：

(1)對新用戶T的部分腦電信號樣本集T＝{X_t,i}進行標注和分組，計算每個分組內的的平均協方差矩陣其中，所述新用戶T共有M個標簽類別

(2)對輔助用戶V的腦電信號樣本集V＝{X_s,i,y_s,i}的所有樣本按標簽類別進行分組，計算每個分組內的平均協方差矩陣其中，所述輔助用戶共有M個標簽類別且所述M個標簽類別與新用戶的標簽類別不同；

(3)根據滿足設定對應關系的平均協方差矩陣，對輔助用戶V的樣本X_s,i進行變換，并將新用戶T的標簽按照所述對應關系賦給輔助用戶樣本，得到變換后的輔助用戶數據；

(4)將變換后的輔助用戶數據以及步驟(1)標注的新用戶樣本合并作為訓練集，并在所述訓練集上構建用于新用戶未標注樣本預測的機器學習模型。

進一步地，步驟(1)具體包括：