公开(公告)号：CN114722850A

公开(公告)日：2022-07-08

申请号：CN202011526846.0

申请日：2020-12-22

Applicant: 中国科学院沈阳自动化研究所

Inventor： 唐凤珍 ,  冯海峰

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/08

Abstract: 本发明提供了一种基于概率黎曼学习空间量化的运动想象脑电信号识别方法，将脑电信号用空间协方差矩阵来表示，将空间协方差矩阵看作黎曼空间中的点，采用黎曼仿射不变距离计算点间的距离；利用该黎曼距离建立数据的类高斯混合模型，以此构建概率学习黎曼空间量化方法，采用贝叶斯理论为各类别脑电信号学习若干个带标签的原型，并学习类高斯混合函数中的方差参数；采用最大后验概率的方法进行最终的识别，将待识别样本的最大后验概率所对应的标签预测为该样本的类别。本发明采用空间协方差矩阵作为输入特征，避免复杂的脑电信号预处理计算；不需要大量的学习样本并且能够产生概率输出，有助于建立性能稳定的脑机接口系统。

公开(公告)号：CN114722850B

公开(公告)日：2025-04-08

申请号：CN202011526846.0

申请日：2020-12-22

Applicant: 中国科学院沈阳自动化研究所

Inventor： 唐凤珍 ,  冯海峰

IPC: G06F18/2431 ,  G06F18/241 ,  G06F18/10 ,  G06N3/084 ,  G06F18/214

Abstract: 本发明提供了一种基于概率黎曼学习空间量化的运动想象脑电信号识别方法，将脑电信号用空间协方差矩阵来表示，将空间协方差矩阵看作黎曼空间中的点，采用黎曼仿射不变距离计算点间的距离；利用该黎曼距离建立数据的类高斯混合模型，以此构建概率学习黎曼空间量化方法，采用贝叶斯理论为各类别脑电信号学习若干个带标签的原型，并学习类高斯混合函数中的方差参数；采用最大后验概率的方法进行最终的识别，将待识别样本的最大后验概率所对应的标签预测为该样本的类别。本发明采用空间协方差矩阵作为输入特征，避免复杂的脑电信号预处理计算；不需要大量的学习样本并且能够产生概率输出，有助于建立性能稳定的脑机接口系统。