【技术实现步骤摘要】
本专利技术涉及脑电信号解码的，尤其是指一种多维度特征融合的脑电信号解码方法、系统、介质及设备。
技术介绍
1、脑电信号作为一种非侵入式神经电生理信号，凭借其低成本、高时间分辨率、便携性和无创性等优势，在脑机接口、神经疾病诊断、智能控制等领域展现出重要的应用价值。然而，受其微弱生理特性和复杂采集环境影响，原始脑电信号存在显著的信噪比较低的现象，这给建立准确的解码模型带来较大挑战。
2、为提升脑电信号的解码精度，现有方法主要将脑电信号图像化，并结合深度学习等技术，通过提取脑电信号的时空频特征以提升解码精度。此类方法虽能有效捕捉信号的局部时频特性，但受限于欧氏空间线性假设，难以准确表征脑电信号的几何属性。另有研究基于黎曼几何理论构建特征提取模型，通过流形间测地线距离度量等技术实现信号几何结构的有效表征。然而，此类方法虽能表征脑网络连接的整体状态，但也可能导致局部细节的丢失。此外，流形空间特征与原始信号空间的时频特征分属不同数学空间，传统特征拼接或加权策略存在信息的冗余现象，造成多维度信息的协同利用效率低下的问题。
【技术保护点】
1.一种多维度特征融合的脑电信号解码方法，其特征在于：具体步骤如下：
2.根据权利要求1所述的多维度特征融合的脑电信号解码方法，其特征在于：步骤S1中采集脑电信号，包括：
3.根据权利要求1所述的多维度特征融合的脑电信号解码方法，其特征在于：步骤S2中基于神经生理学原理对预处理后的脑电信号进行多频段滤波，包括：
4.根据权利要求1所述的多维度特征融合的脑电信号解码方法，其特征在于：步骤S3中构建深度特征提取模型，包括：
5.根据权利要求4所述的多维度特征融合的脑电信号解码方法，其特征在于：所述黎曼模块包含黎曼流形映射层，...
【技术特征摘要】
1.一种多维度特征融合的脑电信号解码方法，其特征在于：具体步骤如下：
2.根据权利要求1所述的多维度特征融合的脑电信号解码方法，其特征在于：步骤s1中采集脑电信号，包括：
3.根据权利要求1所述的多维度特征融合的脑电信号解码方法，其特征在于：步骤s2中基于神经生理学原理对预处理后的脑电信号进行多频段滤波，包括：
4.根据权利要求1所述的多维度特征融合的脑电信号解码方法，其特征在于：步骤s3中构建深度特征提取模型，包括：
5.根据权利要求4所述的多维度特征融合的脑电信号解码方法，其特征在于：所述黎曼模块包含黎曼流形映射层，双线性映射层，几何中心提取层以及切空间映射层，并通过如下步骤进行：
6.根据权利要求1所述的多维度特征融合的脑电信号解码方法，其特征在于：步骤s4中结合机器学习方法与wrapper式递归特征消除的特征选择方法，筛除冗余特征，包括：
7.一种多维度特征融合的脑电信号解码系统，其特征在于：包括
8.根据权利要求7所述的多维度特征融合的脑电信号解码系统，其特征在于：所述特征选择模块包含滤波模块和黎曼模块，所述滤波模块包含若...
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。