【技术实现步骤摘要】
本专利技术涉及干电极情绪识别，尤其涉及一种干电极自适应信噪比提升方法及装置。
技术介绍
1、湿电极一直以来作为脑电器件及临床脑电记录的黄金标准，与半干电极和干电极相比采集的脑电信号具有较高的信噪比，但繁杂的准备及清洗工作严重限制了其在实际生活中的应用。随着脑机接口技术在日常生活中的深入应用，人们对系统的实用性、便捷性、美观度等方面的要求逐步提高。干电极的出现为脑机接口应用的普适性提供了可能性，因此也被众多学者探究其在情绪识别领域的应用。
2、由于干电极通过与皮肤直接接触，接触界面靠少许的汗液和水分作离子交换的介质且电极与皮肤接触时存在气泡和间隙，其形成的电极-皮肤界面阻抗高于湿电极，采集的脑电信号含有较高的噪声，导致干电极识别准确率较低。但由于其较高的便携性，吸引了众多学者致力于提升干电极识别准确率。
3、现有针对干电极脑电信号的文献主要包含以下两个方面：通过对干电极脑电信号采用不同的预处理、特征提取及分类模型进行优化，实现识别准确率的提升。如一种基于脑电信号的鲁棒情绪识别方法，通过干电极或湿电极脑电帽采集脑电信号并经预处理，提取微分熵特征得到训练集，训练用于情绪识别的神经过程模型，从而较好地应对脑电信号采集中的部分电极阻抗过大、导联脱落、噪音过大等问题，进而提升识别准确率。一种基于干电极脑电信号的抑郁症检测方法、系统和电子设备，具体方法包括：从脑电信号中提取脑电微分熵特征；将脑电微分熵特征输入至transformer编码模块，输出健康-抑郁分类预测结果。另一方面为干电极系统硬件的设计，从硬件设计角度出发
4、综上，现有干电极识别准确率提升的主要手段大都集中于硬件设计，软件算法方面研究还有所欠缺。
技术实现思路
1、本专利技术所要解决的技术问题在于，提供一种干电极自适应信噪比提升方法及装置，利用湿电极信噪比高的优势，辅助提升干电极信号的信号质量，进而提升干电极识别准确率。本专利技术方法基于对抗生成网络(adversarial generative network，gan)及对比学习(contrastive learning，cl)融合的网络架构实现干电极信号的自适应滤波。利用gan增加脑电信号的多样性并使干电极信号分布逼近湿电极信号的分布，通过增加对比学习框架防止gan总是生成同样样本点导致学习过程可能会发生的崩溃、生成器退化的问题。
2、为了解决上述技术问题，本专利技术实施例第一方面公开了一种干电极自适应信噪比提升方法，所述方法包括：
3、s1，获取干电极信号和湿电极信号；
4、s2，对所述干电极信号和所述湿电极信号进行预处理，得到预处理干电极信号和预处理湿电极信号；
5、s3，利用预设的干电极自适应信噪比提升模型，对所述预处理干电极信号和所述预处理湿电极信号进行处理，得到总损失函数；
6、所述干电极自适应信噪比提升模型包括生成器单元、编码器单元、判别器单元和非线性映射器单元；
7、s4，基于所述总损失函数和所述预设的干电极自适应信噪比提升模型，得到优化干电极自适应信噪比提升模型；
8、s5，利用所述优化干电极自适应信噪比提升模型，对待测试的干电极信号进行处理，得到干电极自适应信噪比提升结果。
9、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述干电极信号和所述湿电极信号进行预处理，得到预处理干电极信号和预处理湿电极信号，包括：
10、s21，对所述干电极信号和所述湿电极信号进行滤波，得到滤波干电极信号和滤波湿电极信号；
11、s22，对所述滤波干电极信号和所述滤波湿电极信号进行降采样，得到预处理干电极信号和预处理湿电极信号。
12、作为一种可选的实施方式，本专利技术实施例第一方面中，所述利用预设的干电极自适应信噪比提升模型，对所述预处理干电极信号和所述预处理湿电极信号进行处理，得到总损失函数，包括：
13、s31，对所述预处理湿电极信号进行掩码数据增强处理，得到第一增强湿电极信号和第二增强湿电极信号；
14、s32，利用生成器单元对所述预处理干电极信号进行去噪处理，得到去噪干电极信号；
15、s33，对所述第一增强湿电极信号、所述第二增强湿电极信号和所述去噪干电极信号进行特征提取，得到第一湿电极非线性特征参数、第二湿电极非线性特征参数和干电极非线性特征参数；
16、s34，对所述第一湿电极非线性特征参数、第二湿电极非线性特征参数和干电极非线性特征参数进行处理，得到总损失函数。
17、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述第一增强湿电极信号、所述第二增强湿电极信号和所述去噪干电极信号进行特征提取，得到第一湿电极非线性特征参数、第二湿电极非线性特征参数和干电极非线性特征参数，包括：
18、s331，利用编码器单元对所述第一增强湿电极信号、第二增强湿电极信号和去噪干电极信号进行特征提取，得到第一湿电极信号特征信息、第二湿电极信号特征信息和干电极信号特征信息；
19、s332，利用判别器单元对所述第一湿电极信号特征信息、第二湿电极信号特征信息和干电极信号特征信息进行处理，得到第一特征参数、第二特征参数和第三特征参数；
20、s333，利用非线性映射器单元，对所述第一特征参数、第二特征参数和第三特征参数进行非线性处理，得到第一湿电极非线性特征参数、第二湿电极非线性特征参数和干电极非线性特征参数。
21、作为一种可选的实施方式，本专利技术实施例第一方面中，所述对所述第一湿电极非线性特征参数、第二湿电极非线性特征参数和干电极非线性特征参数进行处理，得到总损失函数，包括：
22、s341，对所述第一湿电极非线性特征参数和所述第二湿电极非线性特征参数进行处理，得到第一损失函数；
23、s342，对所述干电极非线性特征参数进行处理，得到第二损失函数；
24、s343，对所述第一湿电极非线性特征参数或所述第二湿电极非线性特征参数进行处理，及对干电极非线性特征参数进行处理，得到第三损失函数；
25、s344，对所述第一损失函数、所述第二损失函数和所述第三损失函数进行融合，得到总损失函数。
26、作为一种可选的实施方式，本专利技术实施例第一方面中，所述第一损失函数l1为：
27、
28、其中：
29、
30、pr1为第一湿电极非线性特征参数，pr2为第二湿电极非线性特征参数，1[i≠j]∈{0,1}表示当i≠j时为1，否则为0，τ为温度系数本文档来自技高网...
【技术保护点】
1.一种干电极自适应信噪比提升方法，其特征在于，所述方法包括：
2.根据权利要求1所述的干电极自适应信噪比提升方法，其特征在于，所述对所述干电极信号和所述湿电极信号进行预处理，得到预处理干电极信号和预处理湿电极信号，包括：
3.根据权利要求1所述的干电极自适应信噪比提升方法，其特征在于，所述利用预设的干电极自适应信噪比提升模型，对所述预处理干电极信号和所述预处理湿电极信号进行处理，得到总损失函数，包括：
4.根据权利要求3所述的干电极自适应信噪比提升方法，其特征在于，所述对所述第一增强湿电极信号、所述第二增强湿电极信号和所述去噪干电极信号进行特征提取，得到第一湿电极非线性特征参数、第二湿电极非线性特征参数和干电极非线性特征参数，包括：
5.根据权利要求3所述的干电极自适应信噪比提升方法，其特征在于，所述对所述第一湿电极非线性特征参数、第二湿电极非线性特征参数和干电极非线性特征参数进行处理，得到总损失函数，包括：
6.根据权利要求5所述的干电极自适应信噪比提升方法，其特征在于，所述第一损失函数L1为：
7.根据
8.根据权利要求5所述的干电极自适应信噪比提升方法，其特征在于，所述第三损失函数L3为：
9.一种干电极自适应信噪比提升装置，其特征在于，所述装置包括：
10.一种干电极自适应信噪比提升装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种干电极自适应信噪比提升方法，其特征在于，所述方法包括：
2.根据权利要求1所述的干电极自适应信噪比提升方法，其特征在于，所述对所述干电极信号和所述湿电极信号进行预处理，得到预处理干电极信号和预处理湿电极信号，包括：
3.根据权利要求1所述的干电极自适应信噪比提升方法，其特征在于，所述利用预设的干电极自适应信噪比提升模型，对所述预处理干电极信号和所述预处理湿电极信号进行处理，得到总损失函数，包括：
4.根据权利要求3所述的干电极自适应信噪比提升方法，其特征在于，所述对所述第一增强湿电极信号、所述第二增强湿电极信号和所述去噪干电极信号进行特征提取，得到第一湿电极非线性特征参数、第二湿电极非线性特征参数和干电极非线性特征...
【专利技术属性】
技术研发人员：黄如强，孟祥轶，张美红，张国兴，濮兴孔，张世月，王宁慈，秦祎昕，闫慧炯，
申请(专利权)人：天津滨海人工智能创新中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。