面向脑电数据增强的以目标为中心的受试者迁移框架
信号处理
2022-12-02 v1 机器学习
摘要
数据增强方法被广泛探索用于提升脑电（electroencephalogram）信号的解码。在受试者无关的脑机接口系统中，域适应与泛化被用于将源受试者的数据分布迁移以匹配目标受试者，作为一种增强手段。然而，以往工作要么引入噪声（例如通过加噪或随机噪声生成），要么修改目标数据，因而无法很好地刻画目标数据分布并阻碍进一步分析。本文中，我们提出一种以目标为中心的受试者迁移框架作为数据增强方法。首先构建源数据子集以最大化源-目标相关性，然后应用生成模型将数据迁移至目标域。所提框架通过添加额外的真实数据而非噪声，丰富了目标域的可解释性。其性能优于其他数据增强方法。我们进行了大量实验以验证该方法作为进一步研究的有力工具的有效性与鲁棒性。
引用
@article{arxiv.2212.00723,
title = {Target-centered Subject Transfer Framework for EEG Data Augmentation},
author = {Kang Yin and Byeong-Hoo Lee and Byoung-Hee Kwon and Jeong-Hyun Cho},
journal= {arXiv preprint arXiv:2212.00723},
year = {2022}
}