公开(公告)号：CN119987544A

公开(公告)日：2025-05-13

申请号：CN202510063312.5

申请日：2025-01-15

Applicant: 哈尔滨工业大学

Inventor： 李卓明 ,  韩荣庆 ,  吴玮 ,  董衡 ,  李华清

IPC: G06F3/01 ,  G06F18/2411 ,  G06F18/214 ,  G06F18/25

Abstract: 一种用于解决运动想象脑机接口中被试差异的域自适应方法，它属于运动想象脑机接口中迁移学习技术领域。本发明解决了由于被试之间脑电信号差异导致MI‑BCI系统分类准确率低的问题。本发明充分利用源域与目标域样本的信息，结合数据处理和分类算法显著提升了运动想象任务的识别精度与稳健性。通过高效的数据预处理、域自适应流形嵌入中的特征提取方法，确保了训练集与目标域数据特征映射的一致性。基于结构风险最小化原理的分类器优化进一步增强了分类性能。通过特征融合与投票机制，有效提高了标签分类的可信度，本发明方法可以有效避免由于被试之间脑电信号差异导致MI‑BCI系统分类准确率低的问题。本发明方法可以应用于运动想象脑机接口中的脑电信号分类。

公开(公告)号：CN111222578A

公开(公告)日：2020-06-02

申请号：CN202010022435.1

申请日：2020-01-09

Applicant: 哈尔滨工业大学

Inventor： 李卓明 ,  代峥 ,  李华清 ,  叶亮 ,  伍广腾 ,  岑尧辉 ,  陈幸

IPC: G06K9/62

Abstract: 一种运动想象EEG信号的在线处理方法，涉及BCI系统中EEG信号的在线处理领域。本发明是为了实现运动想象EEG信号的在线处理的目的。本发明所述的一种运动想象EEG信号的在线处理方法，包括离线训练与在线处理两部分。离线训练采集被试固定组数的脑电数据进行离线分析，进而得到相应被试对应的最佳模型。在线处理根据得到的模型对实时采集的被试脑电数据进行处理。综合考虑系统的实时性与分类正确率要求，离线训练与在线处理使用相同算法，并且通过离线训练得到最佳模型导入在线处理程序，进而减少在线处理程序时延。

公开(公告)号：CN113705464A

公开(公告)日：2021-11-26

申请号：CN202111003357.1

申请日：2021-08-30

Applicant: 哈尔滨工业大学

Inventor： 李卓明 ,  李华清 ,  张羽 ,  李永健 ,  陈幸 ,  董衡

IPC: G06K9/00 ,  G06K9/62 ,  G06F3/01

Abstract: 一种用于解决运动想象脑机接口中特征迁移问题的域适应方法，它属于运动想象脑机接口中迁移学习技术领域。本发明解决了运动想象脑机接口中，由于脑电信号特征迁移带来的偏差会导致MI‑BCI的分类正确率低的问题。本发明根据源域与目标域样本分布求得所需映射，目标域的样本分布经过映射后成为一个新的样本分布，新的样本分布与源域样本分布差异最小，通过映射改变目标域样本分布从而维持脑机接口中目标域与训练域样本分布的一致性，解决脑电信号特征迁移带来偏差的问题，有效提高对新的样本分布的分类正确率。本发明可以应用于运动想象脑机接口中的特征迁移。

公开(公告)号：CN113705464B

公开(公告)日：2024-01-09

申请号：CN202111003357.1

申请日：2021-08-30

Applicant: 哈尔滨工业大学

Inventor： 李卓明 ,  李华清 ,  张羽 ,  李永健 ,  陈幸 ,  董衡

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/214 ,  G06F18/2411 ,  G06F3/01

Abstract: 一种用于解决运动想象脑机接口中特征迁移问题的域适应方法，它属于运动想象脑机接口中迁移学习技术领域。本发明解决了运动想象脑机接口中，由于脑电信号特征迁移带来的偏差会导致MI‑BCI的分类正确率低的问题。本发明根据源域与目标域样本分布求得所需映射，目标域的样本分布经过映射后成为一个新的样本分布，新的样本分布与源域样本分布差异最小，通过映射改变目标域样本分布从而维持脑机接口中目标域与训练域样本分布的一致性，解决脑电信号特征迁移带来偏差的问题，有效提高对新的样本分布的分类正确率。本发明可以应用于运动想象脑机接口中的特征迁移。