基于双阶段对齐与自监督的在线自适应快速校准脑机接口
信号处理
2025-09-25 v1 人工智能
机器学习
摘要
大脑活动的个体差异阻碍了基于脑电图（EEG）的脑机接口（BCI）系统的在线应用。为克服这一局限，本研究提出一种针对未见受试者的在线自适应算法，该算法通过双阶段对齐和自监督实现。对齐过程首先在 EEG 数据空间中应用欧几里得对齐，然后在表征空间中更新批归一化统计量。此外，设计了一个自监督损失来更新解码器。该损失通过从解码器导出的软伪标签作为未知真实标签的代理进行计算，并通过香农熵进行校准，以促进自监督训练。在五个公开数据集和七个解码器上的实验表明，无论 BCI 范式和解码器架构如何，所提出的算法均可无缝集成。在每次迭代中，解码器通过单次在线试验进行更新，在稳态视觉诱发电位（SSVEP）上平均准确率提升 4.9%，在运动想象上平均提升 3.6%。这些结果支持快速校准操作，并表明所提出的算法在 BCI 应用中具有巨大潜力。
引用
@article{arxiv.2509.19403,
title = {Online Adaptation via Dual-Stage Alignment and Self-Supervision for Fast-Calibration Brain-Computer Interfaces},
author = {Sheng-Bin Duan and Jian-Long Hao and Tian-Yu Xiang and Xiao-Hu Zhou and Mei-Jiang Gui and Xiao-Liang Xie and Shi-Qi Liu and Zeng-Guang Hou},
journal= {arXiv preprint arXiv:2509.19403},
year = {2025}
}