计算机应用

作者：何敏, 罗天健

单位：1.福建师范大学 计算机与网络空间安全学院，福州 350117；2.数字福建环境监测物联网实验室（福建师范大学），福州 350117

关键词：运动想象,脑电信号,跨被试,域不变深度表征,域适应

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)

运动想象脑电（MI-EEG）信号在无创脑机接口（BCI）中扮演重要角色，已被广泛应用于临床辅助康复训练。作为一个主动刺激范式，MI-EEG的样本采集成本高且个体差异大，同时具有复杂时变性和低信噪比等特点，使得构建跨被试MI-EEG解码模型成了研究关键。然而，当前绝大多数的跨被试解码模型采用单阶段的对抗学习策略，并且仅考虑学习边缘分布或条件分布最小化的深度表征，进而严重制约了MI-EEG解码性能。因此，提出一种多阶段分布适应（MSDA）的跨被试MI-EEG解码模型。首先，采用样本协方差对齐被试者之间的样本边缘分布差异；其次，通过预训练特征提取器和域鉴别器获取边缘分布不变的深度表征；最后，通过L2距离构建深度表征的联合分布不变映射，并交替训练联合这些映射和分类器学习联合分布不变的深度表征用于跨被试MI-EEG解码。MSDA模型分别从样本边缘分布、深度表征边缘分布和深度表征联合分布这3个阶段进行被试者之间的分布适应，从而有效地应对单阶段分布适应的挑战。在BCI Competition IV-2a和BCI Competition IV-2b公开数据集上的实验结果表明，MSDA模型在准确率和Kappa系数这2个指标均超越了近期提出的解码模型。可见， MSDA模型提升了跨被试域不变深度特征的学习能力，为构建MI-BCI提供了新的选择。

来源：2025年第12期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第12期