一种基于脑电时频转换及混合神经网络的警觉度估计方法技术

本发明专利技术公开了一种基于脑电时频转换及混合神经网络的警觉度估计方法，首先采用短时傅里叶变换将每个导联的一维脑电时间信号序列转换为二维时频图，并使用卷积神经网络和双向长短期记忆网络相结合的混合神经网络提取时频特征，最后建立回归模型进行警觉度状态估计。本发明专利技术包括脑电信号采集及预处理、时频转换、时频特征提取和警觉度状态回归估计等步骤。实验结果表明，卷积神经网络和双向长短期记忆网络相结合的混合神经网络能准确提取脑电时频特征，在此基础上构建的回归模型能有效评估警觉度状态。

【技术实现步骤摘要】

本专利技术属于脑电信号处理领域，具体涉及一种基于脑电时频转换及混合神经网络的警觉度估计方法。

技术介绍

1、警觉度是指人集中注意力执行同一任务的保持程度，警觉度越低，人在执行任务时出错率越大。警觉度的检测方法主要有主观评价、生物反应测试、生理信号检测等，其中生理信号检测具有较好的效果。相对其他生理信号而言，脑电能够直接反应大脑的活跃程度。

2、常用的脑电特征提取方法主要包括时域分析、频域分析、时频域分析和非线性分析法等，比如：提取最大值、最小值、功率谱密度或熵值等特征。然而手动提取特征耗时耗力，并且需要一定的先验知识。

技术实现思路

1、为解决上述问题，本专利技术公开了一种基于脑电时频转换及混合神经网络的警觉度估计方法，通过短时傅里叶变换将一维脑电信号转换为二维时频图，并构建混合神经网络对警觉度进行估计。

2、为达到上述目的，本专利技术的技术方案如下：

3、一种基于脑电时频转换及混合神经网络的警觉度估计方法，包括以下步骤：

4、步骤一：脑电信号采集及预处理：采用本文档来自技高网...

【技术保护点】

1.一种基于脑电时频转换及混合神经网络的警觉度估计方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于脑电时频转换及混合神经网络的警觉度估计方法，其特征在于：步骤一中采集的样本包含FT7、FT8、T7、T8、TP7、TP8共6个导联脑电信号，受试者为23个，采样频率为1000Hz，且带通滤波频带为8～31Hz。

3.根据权利要求2所述的一种基于脑电时频转换及混合神经网络的警觉度估计方法，其特征在于：步骤二中采用hann窗口函数的短时傅里叶变换提取脑电信号的时频图，其二维矩阵大小为(65,101)，将颞部6个导联时频图按纵向进行拼接，作为卷积神经网络的...

【技术特征摘要】

1.一种基于脑电时频转换及混合神经网络的警觉度估计方法，其特征在于：包括以下步骤，

2.根据权利要求1所述的一种基于脑电时频转换及混合神经网络的警觉度估计方法，其特征在于：步骤一中采集的样本包含ft7、ft8、t7、t8、tp7、tp8共6个导联脑电信号，受试者为23个，采样频率为1000hz，且带通滤波频带为8～31hz。

3.根据权利要求2所述的一种基于脑电时频转换及混合神经网络的警觉度估计方法，其特征在于：步骤二中采用hann窗口函数的短时傅里叶变换提取脑电信号的时频图，其二维矩阵大小为(65,101)，将颞部6个导联时频图按纵向进行拼接，作为卷积神经网络的输入；具体公式如下：

4.根据权利要求1所述的一种基于脑电时频转...

【专利技术属性】
技术研发人员：苗敏敏，朱逵，胡文军，王士同，
申请(专利权)人：湖州师范学院，
类型：发明
国别省市：