摘要
本申请公开了一种基于脑电信号的认知状态深度学习分类方法、装置、设备、介质及产品,涉及生物特征识别领域,该方法包括:获取原始脑电信号;所述原始脑电信号包含多个通道信号;在频域内对所述原始脑电信号进行划分,得到多个频段,并在每个频段内,根据所述频段的通道信号两两之间的相位同步性,得到对应每个频段的频段内特征;对全部频段的频段内特征进行融合,得到融合特征;根据所述融合特征,采用认知状态分类模型,确定所述原始脑电信号对应的认知状态。本申请通过分析不同通道信号之间的内在联系,得到频段内特征,进一步进行频段间特征融合,得到最终融合特征,优化了脑电信号特征提取方法,提高了认知状态分类的准确性。
技术关键词
深度学习分类方法
原始脑电信号
频段
同步性
训练样本集
深度学习算法
神经网络模型
通道
电信号特征提取
融合特征提取
独立成分分析
多头注意力机制
生物特征识别
信号获取模块
处理器
系统为您推荐了相关专利信息
深度残差神经网络
故障类别
变压器
频率响应
全局平均池化
多传感器信息融合
刀具磨损图像
多域特征
训练样本集
皮尔逊相关系数
系统运行状态
声学特征
分布特征
判断冷却系统
模式
时间序列预测模型
网格
混合预测模型
密度分布矩阵
ARIMA模型