一种基于融合时频特征大模型驱动脑电驾驶意图预测方法

本发明提出了一种基于融合时频特征大模型驱动脑电驾驶意图预测方法，利用脑电采集系统获取多场景下的初始脑电信号，第一Transformer转换器及掩膜重建机制提取时域特征。对初始脑电信号进行预处理以及Fbank变换后在通道上随机掩膜，第二Transformer转换器和随机掩膜策略提取频域特征。通过交叉注意力机制融合时域与频域特征，生成自学习提示词。将自学习提示词转换为大语言模型接受的嵌入向量，大语言模型输出驾驶意图概率，取最大概率值对应的驾驶意图作为预测结果。本方法融合时域特征和频域特征生成自学习提示词。本发明能够实现时频特征动态融合，从而提升大语言模型输出驾驶意图的预测准确性，提高推理精度。