摘要
本发明公开了一种脑电数据增强与分类方法及相关设备，涉及人工智能与神经信号处理交叉技术领域，针对传统扩散模型生成脑电信号时高频信息丢失、“生成‑分类”任务孤立优化导致潜空间失配等缺陷，提出条件自编码扩散模型的端到端联合训练框架，通过去噪扩散模型建模脑电信号的退化与重建过程，并利用条件自编码器的跳跃连接机制动态补偿扩散过程的信息损失；同时利用联合损失函数对条件自编码器、去噪扩散概率模型和分类器进行同步优化，本发明通过生成与分类任务的端到端联合优化，显著提升了脑电信号分类的鲁棒性与泛化能力，为目标分类、信号增强及生理信号分析等领域提供了高效解决方案。
