一种脑机接口的冷启动方法

技术特征：
1.一种脑机接口的冷启动方法，其特征在于：利用脑机接口获取目标的脑电信号后，数据处理单元运行数据处理模型处理脑机接口所获取的目标的脑电信号，数据处理模型输出与脑电信号对应的信息；所述数据处理单元通过脑机接口与目标连接；所述数据处理模型为迁移学习网络模型。2.根据权利要求1所述的一种脑机接口的冷启动方法，其特征在于，所述迁移学习网络模型包括用于特征提取的lstm模块、用于特征匹配的注意力模块和用于特征分类的cnn模块。3.根据权利要求2所述的一种脑机接口的冷启动方法，其特征在于，所述lstm模块、注意力模块及cnn模块顺序连接。4.根据权利要求2所述的一种脑机接口的冷启动方法，其特征在于，所述lstm模块应用模型迁移方法，具体为：将lstm模块在源域受试数据集进行有监督的学习，将学习好的网络模块权重固定，并将预训练网络模型直接迁移到目标域受试数据集上。5.根据权利要求2所述的一种脑机接口的冷启动方法，其特征在于，所述注意力模块应用特征迁移方法，具体为：将注意力模块在源域受试数据集进行有监督的学习，将网络模型在训练过程中得到的特征选取注意力参数，迁移到目标域受试模型的注意力模块中。6.根据权利要求2所述的一种脑机接口的冷启动方法，其特征在于，所述cnn模块应用模型微调方法，具体为：将cnn模块在源域受试数据集进行有监督的学习，将学习好的网络模块权重记录，并迁移到目标域受试模型的cnn模块中，接下来基于目标域受试的少样本数据继续训练微调所迁移的网络权重。

技术总结
本发明公开了一种脑机接口的冷启动方法，利用脑机接口获取目标的脑电信号后，数据处理单元运行数据处理模型处理脑机接口所获取的目标的脑电信号，数据处理模型输出与脑电信号对应的信息；数据处理单元通过脑机接口与目标连接；数据处理模型为迁移学习网络模型。本发明的脑机接口的冷启动方法，设计了特定的迁移学习网络模型，通过模型迁移和知识迁移的思想，将在源域受试数据集上训练的模型与学习到的知识迁移到目标域上，从而促使目标域模型仅使用少量的数据样本和少量的训练轮次就能高效的获得较优的性能表现，并实现基于自发EEG的BCI系统冷启动，极具应用前景。极具应用前景。极具应用前景。


技术研发人员：李洁 靳令经 魏宇轩 白钟飞 刘玲玉 叶晨 季洪飞
受保护的技术使用者：同济大学
技术研发日：2022.04.08
技术公布日：2022/7/12