摘要
本发明提出了一种基于时频重建的生理信号自监督表示学习方法和系统,属于信号处理和模式识别技术领域。包括:获取原始多通道生理信号数据并转化为时频图;对生理信号及其时频图进行分段/分块、随机掩码和特征转换,得到初步时域表征和频域表征;在时间维度和通道维度分别对初步时域表征和频域表征编码并融合,得到时频混合表征;基于时频混合表征,采用重建学习方法预训练编码器;利用预训练好的编码器获得待处理的原始多通道生理信号数据的多通道时频表示并混合得到时频混合表征,将所述的时频混合表征作为学习到的生理信号自监督表示,用于生理疾病分类任务。本发明具备更高的泛化能力、适应性,为生理信号分类任务提供了一种有效的解决方案。
技术关键词
时域编码器
多通道
学习方法
混合编码器
高维特征向量
生理信号分类
分块
多层感知机
短时傅里叶变换
脑电图数据
模式识别技术
疾病
分段
序列
系统为您推荐了相关专利信息
抑制优化方法
二阶盲辨识
光泵磁强计
伪影
多通道
雷达信号接收系统
干扰对消算法
通用图形处理器
干扰对消方法
多通道
邻居
动态
知识图谱嵌入方法
风险预测方法
多头注意力机制