[發明專利]一種基于強化學習聯合去噪與時空關系建模的腦電信號特征增強方法

在審

• 申請號: 202210289437.6
• 申請日: 2022-03-23
• 公開（公告）號: CN114841192A
• 公開（公告）日: 2022-08-02
• 發明（設計）人: 秦翰林;張昱賡;馬琳;王誠;盧長浩;劉嘉偉;王欣達;陳嘉欣;于躍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 西安嘉思特知識產權代理事務所(普通合伙) 61230
• 代理人: 王海棟

1.一種基于強化學習聯合去噪與時空關系建模的腦電信號特征增強方法，其特征在于，包括以下步驟：

S1、獲取多通道腦電信號；

S2、對獲取的所述多通道腦電信號進行基于多智能體強化學習的干擾去除決策，得到干凈信號；

S3、采用時空注意力建模對所述干凈信號進行細節恢復，以得到增強后的腦電信號。

2.根據權利要求1所述的基于強化學習聯合去噪與時空關系建模的腦電信號特征增強方法，其特征在于，步驟S2，包括：

步驟S21、將所述干凈信號輸入包含全部去噪算法的級聯式網絡進行第一次去噪；

步驟S22、對得到的第一次去噪結果進行評估；

步驟S23、根據第一次評估結果的得分進行結果的反饋后指導網絡結構的變更；

步驟S24、使用變更后的網絡結構構造新的去噪策略處理所述干凈信號得到第二次去噪結果；

步驟S25、對得到的所述第二次去噪結果進行評估；

步驟S26、根據第二次評估結果的得分進行結果的反饋后指導網絡結構的變更；

重復執行上述步驟，以獲取到針對所述多通道腦電信號的最優聯合去噪方法。

3.根據權利要求2所述的基于強化學習聯合去噪與時空關系建模的腦電信號特征增強方法，其特征在于，步驟S22，包括：

步驟S221、使用交叉驗證策略來評估算法模型。

4.根據權利要求3所述的基于強化學習聯合去噪與時空關系建模的腦電信號特征增強方法，其特征在于，步驟S221，包括：

步驟S2211、針對每一位受試者，將其全部腦電信號分成N個相等的數據子集后，使用其中一個子集用作測試集，其他N-1個子集構成訓練集；

步驟S2212、根據所述測試集和所述訓練集評估所述算法模型，以得到一個受試者數據的得分；

步驟S2213、將所有受試者的平均得分作為最終得分，其中，將交叉驗證的平均得分作為一個受試者的得分。

5.根據權利要求1所述的基于強化學習聯合去噪與時空關系建模的腦電信號特征增強方法，其特征在于，步驟S3，包括：

步驟S31、在特征通道維度上應用空間注意力transformer進行空間特征的編碼；

步驟S32、在時間維度對數據進行切片以進行注意力轉換，獲得包含時序關聯的注意力特征；

步驟S33、在時序特征引導下，對空間特征進行增強；

步驟S34、根據時空兩個維度特征獲取增強后的腦電信號。

6.根據權利要求5所述的基于強化學習聯合去噪與時空關系建模的腦電信號特征增強方法，其特征在于，步驟S31，包括：

步驟S311、將干凈信號進行獨立劃分與編碼；

步驟S312、將空間編碼后的多個獨立通道的腦電信號進行特征提取；

步驟S313、將提取到的特征集合通過壓縮模塊壓縮為特征向量；

步驟S314、對壓縮后的特征向量通過激活模塊的激活運算進行多維特征的聚合，其中，不同通道對應各自的激活因子。

7.根據權利要求6所述的基于強化學習聯合去噪與時空關系建模的腦電信號特征增強方法，其特征在于，所述壓縮模塊的表達式為：

其中，X∈R^H×V×C是從模塊的前一層提取的特征圖輸出，H、V代表二維空間上兩個坐標軸，C表示通道維度；X_c∈R^H×V，c∈[1,2,····C]，表示X中c通道的特征映射，x_c(i,j)表示X_c中位置(i,j)的數據點；F_sq(·)表示沿空間維度的特征壓縮，將每個二維特征X_c壓縮成實數。