一种基于平滑条件域对抗性训练的脑电信号分析方法

本发明公开了一种基于平滑条件域对抗性训练的脑电信号分析方法，通过特征提取器确保模型获得的特征是有高质量信息的，平滑条件域对抗性训练保证对齐特征和类别的联合分布，从而提升了模型的迁移能力和分类能力；最后，通过迭代训练的方式使模型能够自主学习目标域上的分类边界。本发明提出的框架在MI解码上的性能优于其他传统深度学习和迁移学习方法，在迁移有效特征的同时提高了迁移特征的判别性。本发明模型具有跨会话解码能力，对实现在线脑状态推理的潜力很大。