一种基于时频一致性的半监督神经元尖峰信号分类方法

本发明属于神经信号处理技术领域，具体为一种基于时频一致性的半监督神经元尖峰信号分类方法。本发明方法包括：构建一种双通道Transformer编码器，分别从信号的时间域和频率域两个维度提取关键特征；随后，通过跨模态对比学习融合两种维度的特征信息；针对标注数据不足的问题，引入未标注数据并为其生成初步标签（即伪标签），同时设计一种动态优化机制，根据特征相似性和置信度逐步筛选出高质量的伪标签，以提高训练数据的可靠性；最终结合少量标注数据和大量经过优化的未标注数据训练分类模型。本发明有效解决了尖峰分类中标注数据不足和噪声干扰大的问题，特别适合低标注率、高噪声场景，分类性能显著优于传统方法。