基于双图卷积网络互监督的半监督运动想象脑电分类算法

本发明提出一种基于双图卷积网络互监督的半监督运动想象脑电分类算法，包括以下步骤：（1）对原始脑电信号进行预处理，包括带通滤波、时间窗截取处理与基线校正；（2）根据电极间相关系数构建邻接矩阵，提取特定脑电特征构建特征矩阵，构建两个参数独立初始化的图卷积模型；（3）两个模型使用有标签数据进行监督学习，使用交叉熵损失作为监督损失；（4）两个模型使用无标签数据生成伪标签，作为另一个模型的监督信号，计算双向交叉熵损失作为伪监督损失，综合监督损失与伪监督损失实现模型训练。本发明采用图卷积网络与半监督技术，减小了对有标注运动想象脑电数据量的需求，降低脑机接口系统设计和性能评估的成本。