【技术实现步骤摘要】
本专利技术涉及脑电信号处理领域和人工智能领域，具体涉及到一种脑电信号的情绪模式融合识别方法和装置。
技术介绍
1、脑电信号是一种多通道的时间序列，包含了大量中枢神经系统信息，这些信息与高级认知过程直接相关，其中就包括情绪。脑电图信号(eeg)在时间、空间和频域都与情绪状态高度相关，且具有互补特性。
2、现有的脑电信号的情绪识别研究中，一般仅使用一至两类特征进行编码，且大部分使用空间和频域特征相结合，没有考虑到eeg在时间、空间和频域都与情绪状态高度相关且具有互补特性，缺少“时空频”三方面融合脑电特征的情绪融合识别，导致情绪识别能力降低，所构建的识别模型准确率不高。
技术实现思路
1、本专利技术主要解决现有的情绪识别方法没有考虑到eeg在时间、空间和频域都与情绪状态高度相关且具有互补特性，缺少“时空频”三方面融合脑电特征的情绪融合识别，导致情绪识别能力降低，所构建的识别模型准确率不高的问题，本专利技术公开了一种脑电信号的情绪模式融合识别方法和装置。
2、本申请实施例第一方面，公开了一种脑电信号的情绪模式融合识别方法，包括：
3、s1，获取得到脑电信号训练数据集；所述脑电信号训练数据集，包括脑电信号序列和对应的情绪标签信息；
4、s2，利用所述脑电信号训练数据集，对情绪模式融合识别模型进行训练处理，得到训练完毕的情绪模式融合识别模型；
5、s3，利用所述训练完毕的情绪模式融合识别模型，对采集得到的脑电信号进行处理，得到情绪模式
6、所述情绪模式融合识别模型，包括：预处理模块、频域编码模块、空间编码模块、特征融合模块、时间编码模块和分类器模块；
7、所述预处理模块，用于对接收得到的脑电信号序列进行预处理，得到空间信号集合和频域信号集合；
8、所述频域编码模块，与所述预处理模块和特征融合模块分别连接，用于对接收得到的频域信号集合进行频域编码处理，得到频域编码信号；
9、所述空间编码模块，与所述预处理模块和特征融合模块分别连接，用于对接收得到的空间信号集合进行空间编码处理，得到空间编码信号；
10、所述特征融合模块，与所述时间编码模块连接，用于对接收得到的频域编码信号和空间编码信号按照时间顺序进行拼接处理，得到融合编码信号；
11、所述时间编码模块，用于对接收得到的融合编码信号进行时间编码处理，得到时间编码信号；
12、所述分类器模块，与所述时间编码模块连接，用于对接收得到的时间编码信号进行分类处理，得到情绪模式识别结果。
13、所述预处理模块的预处理过程，包括：
14、对接收得到的脑电信号序列进行数据清洗处理，得到第一信号序列；
15、对所述第一信号序列进行模式检测处理，得到第二信号序列；
16、对所述第二信号序列进行频谱变换处理，得到频域信号集合；所述频域信号集合xt1的表达式为
17、xt1＝[a1，a2，…，af]，
18、其中，ai为第i个频段的频域信号，f为频段总数；
19、对所述第二信号序列中的每个电极采集的信号进行频谱变换处理，得到空间信号集合；所述空间信号集合xt2的表达式为
20、
21、其中，bi为第i个电极采集的信号的频域信号，t表示转置操作，c为电极总数。
22、所述模式检测处理，包括：
23、对所述第一信号序列的每个数据，以所述数据的数据采集信息为已知自变量，以所述数据的数据取值为已知因变量，利用所述已知自变量和已知因变量构建得到待逼近曲线，利用函数逼近法对所述待逼近曲线进行曲线拟合，得到所述类数据属性的最佳一致逼近多项式f(ix)；
24、利用所述最佳一致逼近多项式f(ix)，对所述已知自变量进行计算处理，得到近似因变量；
25、判别所述近似因变量与对应的已知因变量之差的绝对值，是否大于设定的第一回归判别阈值；若大于所述第一回归判别阈值，将所述数据从所述第一信号序列中删除，若小于等于所述第一回归判别阈值，不对所述数据进行处理。
26、所述频域编码模块，包括输入模块、掩码处理模块、位置编码模块、频域编码器、频域解码器；
27、所述掩码处理模块，与所述输入模块和所述位置编码模块连接，用于对所述输入模块接收的信号序列按照预设的比例值进行掩码处理，得到掩码后序列；所述掩码后序列，具有对应的信号序列；
28、所述位置编码模块，与所述频域编码器连接，用于对所述掩码后序列进行位置编码处理，得到第一特征序列；
29、所述频域编码器，与所述频域解码器连接，用于对所述第一特征序列进行编码处理，得到频域编码信号；
30、所述频域解码器，用于对所述频域编码信号进行解码处理，得到频域解码信号；
31、所述空间编码模块，包括输入模块、掩码处理模块、位置编码模块、空间编码器、空间解码器；
32、所述掩码处理模块，与所述输入模块和所述位置编码模块连接，用于对所述输入模块接收的信号序列按照预设的比例值进行掩码处理，得到掩码后序列；
33、所述位置编码模块，与所述空间编码器连接，用于对所述掩码后序列进行位置编码处理，得到第二特征序列；
34、所述空间编码器，与所述空间解码器连接，用于对所述第二特征序列进行编码处理，得到空间编码信号；
35、所述空间解码器，用于对所述空间编码信号进行解码处理，得到空间解码信号；
36、所述时间编码模块，包括输入模块、掩码处理模块、位置编码模块、时间编码器、时间解码器；
37、所述掩码处理模块，与所述输入模块和所述位置编码模块连接，用于对所述输入模块接收的信号序列按照预设的比例值进行掩码处理，得到掩码后序列；
38、所述位置编码模块，与所述时间编码器连接，用于对所述掩码后序列进行位置编码处理，得到第三特征序列；
39、所述时间编码器，与所述时间解码器连接，用于对所述第三特征序列进行编码处理，得到时间编码信号；
40、所述时间解码器，用于对所述时间编码信号进行解码处理，得到时间解码信号。
41、所述情绪模式融合识别模型的训练处理过程，包括：
42、对所述频域编码模块、空间编码模块、时间编码模块进行预训练处理，得到预训练情绪模式融合识别模型；
43、初始化训练迭代次数值；
44、将所述脑电信号训练数据集中的脑电信号序列作为输入数据，输入预训练情绪模式融合识别模型，得到情绪预测值；
45、对所述输入数据的情绪标签信息和情绪预测值进行差异计算处理，得到差异值；
46、判断所述差异值是否满足收敛条件，得到第一判断结果；
47、当所述第一判断结果为否时，判断所述训练迭代次数值是否等于训练次数阈值，得到第二判断结果；
48、当所述第二判断结果为否本文档来自技高网...
【技术保护点】
1.一种脑电信号的情绪模式融合识别方法，其特征在于，包括：
2.如权利要求1所述的脑电信号的情绪模式融合识别方法，其特征在于，所述情绪模式融合识别模型，包括：预处理模块、频域编码模块、空间编码模块、特征融合模块、时间编码模块和分类器模块；
3.如权利要求1所述的脑电信号的情绪模式融合识别方法，其特征在于，所述预处理模块的预处理过程，包括：
4.如权利要求1所述的脑电信号的情绪模式融合识别方法，其特征在于，所述模式检测处理，包括：
5.如权利要求4所述的脑电信号的情绪模式融合识别方法，其特征在于，所述频域编码模块，包括输入模块、掩码处理模块、位置编码模块、频域编码器、频域解码器；
6.如权利要求5所述的脑电信号的情绪模式融合识别方法，其特征在于，所述情绪模式融合识别模型的训练处理过程，包括：
7.如权利要求6所述的脑电信号的情绪模式融合识别方法，其特征在于，所述预训练处理，包括：
8.一种脑电信号的情绪模式融合识别装置，其特征在于，所述装置包括：
9.一种计算机可存储介质，其特征在于，所
10.一种信息数据处理终端，其特征在于，所述信息数据处理终端用于实现如权利要求1至7中任一项所述的脑电信号的情绪模式融合识别方法。
...【技术特征摘要】
1.一种脑电信号的情绪模式融合识别方法，其特征在于，包括：
2.如权利要求1所述的脑电信号的情绪模式融合识别方法，其特征在于，所述情绪模式融合识别模型，包括：预处理模块、频域编码模块、空间编码模块、特征融合模块、时间编码模块和分类器模块；
3.如权利要求1所述的脑电信号的情绪模式融合识别方法，其特征在于，所述预处理模块的预处理过程，包括：
4.如权利要求1所述的脑电信号的情绪模式融合识别方法，其特征在于，所述模式检测处理，包括：
5.如权利要求4所述的脑电信号的情绪模式融合识别方法，其特征在于，所述频域编码模块，包括输入模块、掩码处理模块、位置编码模块、频域编码器、频域解码器；
【专利技术属性】
技术研发人员：黄如强，王宁慈，高渐明，孟祥轶，杨聪聪，闫慧炯，田彦秀，马天丹，吴翰，
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。