一种混合制造技术

本申请公开了一种混合

【技术实现步骤摘要】
一种混合BCI系统中的多模式融合方法、系统、设备及介质


[0001]本申请涉及人工智能
，尤其涉及一种混合
BCI
系统中的多模式融合方法
、
装置
、
设备及介质
。

技术介绍

[0002]脑机接口（
Brain
‑
Computer Interface
， BCI
）是一种将脑电信号转化为可被外部设备可理解和操作的指令，实现人脑活动信号与计算机或其他外部设备进行交互的技术
。
传统
BCI
系统通常只依赖一种模式，例如基于脑电图（
EEG
）的
BCI
模式
。
然而，单一模式容易受到噪声和干扰的影响，导致识别准确率下降
。

技术实现思路

[0003]本申请提供了一种混合
BCI
系统中的多模式融合方法
、
系统
、
设备及介质，以解决当前单一
BCI
模式识别准确度低的技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种混合
BCI
系统中的多模式融合方法，其特征在于，包括：获取多种用户生物信号，并基于预设降采样滤波器，对多种所述用户生物信号进行降采样，得到目标生物信号；利用欧氏距离算法，对多种所述目标生物信号进行增量对齐，得到多种所述目标生物信号的第一特征序列；利用动态时间规整算法，对多种所述目标生物信号的第一特征序列进行时序对齐，得到多种所述目标生物信号的第二特征序列；基于多种所述第二特征序列，提取多种所述目标生物信号的生物特征数据，所述生物特征数据包括多种所述目标生物信号的动态特征数据和相关性特征数据；基于目标个性化融合模型，对所述生物特征数据进行置信度加权融合，得到融合特征数据，所述目标个性化融合模型中的置信度为基于用户个性化数据训练得到，所述融合特征数据用于人工智能输出模块生成与外部设备进行交互的交互指令
。2.
如权利要求1所述的混合
BCI
系统中的多模式融合方法，其特征在于，所述利用欧氏距离算法，对多种所述目标生物信号进行增量对齐，得到多种所述目标生物信号的第一特征序列，包括：对多种所述目标生物信号进行浅层特征提取，得到多种所述目标生物信号的第三特征序列；对于任意两种所述目标生物信号的第三特征序列
,
计算两种所述第三特征序列之间的欧氏距离矩阵
;
基于所述欧氏距离矩阵
,
确定两种所述第三特征序列之间的最小距离路径
;
基于所述最小距离路径
,
将两种所述第三特征序列对齐到同一个时间轴上
,
得到两种所述目标生物信号分别对应的第一特征序列
。3.
如权利要求2所述的混合
BCI
系统中的多模式融合方法，其特征在于，所述对多种所述目标生物信号进行浅层特征提取，得到多种所述目标生物信号的第三特征序列，包括：针对每种所述目标生物信号，对所述目标生物信号进行滑窗处理，得到所述目标生物信号的多个窗口信号；针对每种所述目标生物信号的多个所述窗口信号，利用预设浅层特征提取算法，对所述窗口信号进行特征提取，得到所述目标生物信号的特征序列，所述预设浅层特征提取算法包括统计特征提取算法
、
频域特征提取算法和时域特征提取算法
。4.
如权利要求1所述的混合
BCI
系统中的多模式融合方法，其特征在于，所述利用动态时间规整算法，对多种所述目标生物信号的第一特征序列进行时序对齐，得到多种所述目标生物信号的第二特征序列，包括：对于任意两种所述目标生物信号的第一特征序列，利用所述动态时间规整算法的累积距离矩阵函数，计算两种所述第一特征序列之间的累积距离矩阵；基于所述累积距离矩阵，确定两种所述第一特征序列之间的最优距离路径；根据所述最优距离路径，得到第二特征序列；其中，所述累积距离矩阵函数的表达式为：；
表示第一特征序列的前个元素与第一特征序列的前个元素之间的累积距离矩阵，表示第一特征序列与第一特征序列之间的距离
。5.
如权利要求1所述的混合
BCI
系统中的多模式融合方法，其特征在于，所述基于多...

【专利技术属性】
技术研发人员：胡方扬，魏彦兆，李宝宝，迟硕，
申请(专利权)人：小舟科技有限公司，
类型：发明
国别省市：