(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111669390.8 (22)申请日 2021.12.31 (71)申请人 杭州电子科技大 学 地址 310018 浙江省杭州市下沙高教园区 (72)发明人 祝磊　楚超　杨君婷　张建海　 何光发　 (74)专利代理 机构 杭州杭诚专利事务所有限公 司 33109 专利代理师 尉伟敏 (51)Int.Cl. A61B 5/369(2021.01) A61B 5/00(2006.01) G06K 9/62(2022.01) G06V 10/764(2022.01) G06V 10/774(2022.01)G06N 20/00(2019.01) (54)发明名称 一种运动想象迁移学习的源域样本筛选方 法 (57)摘要 本发明公开了一种运动想象迁移学习的源 域样本筛选方法， 包括以下步骤： 截取受试者的 脑电信号作为运动想象数据； 将一名受试者的运 动想象数据设为测试集， 其他受试者的数据设为 训练集； 使用EA对齐方法对测试集和训练集的脑 电信号进行对齐； 使用TS算法对训练集进行过滤 运算， 得出最终的源域训练集； 利用CSP提取脑电 信号中的特征； 利用最终的源域训练集数据调整 LDA参数， 对测试集数据进行分类， 识别受试者的 运动想象的具体肢体部位。 通过对齐从本质上减 少了源域样 本与目标样本间的差异， 再剔除与目 标样本差异 较大的源域样本， 最大化地减少两者 之间的差异。 权利要求书2页 说明书5页 附图1页 CN 114601474 A 2022.06.10 CN 114601474 A 1.一种运动想象迁移学习的源域样本 筛选方法， 其特 征在于， 包括以下步骤： S1截取受试者的脑电信号作为 运动想象数据； S2将一名受试者的运动想象数据设为测试集， 其 他受试者的数据设为训练集； S3使用EA对齐方法对测试集和训练集的脑电信号进行对齐； S4使用TS算法对训练集进行 过滤运算， 得出最终的源域训练集； S5利用CS P提取脑电信号中的特 征； S6利用最终的源域训练集数据调整LDA参数， 对测试集数据进行分类， 识别受试者的运 动想象的具体肢体部位。 2.根据权利要求1所述的一种运动想象迁移学习的源域样本筛选方法， 其特征在于， 所 述步骤S1具体包括： 使用8 ‑30Hz的带通滤波器处理受试者脑电信号， 消除肌肉伪影、 线噪声 污染和直 流漂移， 截取运动想象提 示信号后0.5 ‑3.5秒的脑电信号作为 运动想象数据。 3.根据权利要求1所述的一种运动想象迁移学习的源域样本筛选方法， 其特征在于， 所 述步骤S3具体包括： S31计算测试集 运动想象实验协方差矩阵的算数平均值； S32将所有运动想象数据Xi向协方差矩阵的算数平均值 上投影， 得到对齐后的脑电数 据； S33对齐后， 得到受试者 n个样本的平均协方差矩阵。 4.根据权利要求3所述的一种运动想象迁移学习的源域样本筛选方法， 其特征在于， 所 述步骤S31中协方差矩阵的算数平均值具体为： 其中Xi为受试者第i次运动想象实验的脑电数据， n表示受试者进行的实验次数。 5.根据权利要求3所述的一种运动想象迁移学习的源域样本筛选方法， 其特征在于， 所 述步骤S32所述的脑电数据为： 其中 表示想象数据Xi在 上的投影。 6.根据权利要求3所述的一种运动想象迁移学习的源域样本筛选方法， 其特征在于， 所 述步骤S33中平均协方差矩阵为： 7.根据权利要求1所述的一种运动想象迁移学习的源域样本筛选方法， 其特征在于， 所 述步骤S4具体包括： S41将测试集设置为目标样本 将训练集设置为源域样本 42计算每 个对齐后的样本 与 两两之间的协方差矩阵之间的欧式距离； S43根据S42中得到的距离， 选出每 个目标样本最近的k个源域样本； S44从选出的k*n个源域样本中， 去除重复样本， 得到最终的源域训练集。 8.根据权利要求7所述的一种运动想象迁移学习的源域样本筛选方法， 其特征在于， 所权　利　要　求　书 1/2 页 2 CN 114601474 A 2述步骤S41中欧式距离为： 其中， N∈1 ……nt*ns， dN表示 与 之间的欧式距离， 表示对齐后的第i个目标样 本， 表示对齐第j个源域样本 。权　利　要　求　书 2/2 页 3 CN 114601474 A 3