CN114841192B 一种基于强化学习联合去噪与时空关系建模的脑电信号特征增强方法 （西安电子科技大学）

一种基于强化学习联合去噪与时空关系建本发明涉及一种基于强化学习联合去噪与化学习机制对脑电信号的去噪流程进行选择优电特征的整体信噪比和显著性效果。在此基础上，采取引入transformer注意力机制的时空间21.一种基于强化学习联合去噪与时空关系建模的脑电信号特征增强方法，其特征在S2、对获取的所述多通道脑电信号进行基于多智能体强步骤S24、使用变更后的网络结构构造新的去噪策略处理所述干净信号得到第二次去2.根据权利要求1所述的基于强化学习联合去噪与时空关系建模的脑电信号特征增强3.根据权利要求2所述的基于强化学习联合去噪与时空关系建模的脑电信号特征增强4.根据权利要求1所述的基于强化学习联合去噪与时空关系建模的脑电信号特征增强35.根据权利要求4所述的基于强化学习联合去噪与时空关系建模的脑电信号特征增强H×V×C是从模块的前一层提取的特征图输出，H、V代表二维空间上两cc6.根据权利要求5所述的基于强化学习联合去噪与时空关系建模的脑电信号特征增强7.根据权利要求1所述的基于强化学习联合去噪与时空关系建模的脑电信号特征增强步骤S324、对多个小切片采用多头注意力允许模型8.根据权利要求1所述的基于强化学习联合去噪与时空关系建模的脑电信号特征增强步骤S343、联合多个所述时序片段对多个独立通道进行扁平化4[0005]本发明实施例提供了一种基于强化学习联合去噪与时空关系建模的脑电信号特[0007]S2、对获取的所述多通道脑电信号进行基于多智能体强[0013]步骤S24、使用变更后的网络结构构造新的去噪策略处理所述干净信号得到第二5[0032]步骤S314、对压缩后的特征向量通过激活模块的激活运H×V×C是从模块的前一层提取的特征图输出；Xc∈RH×V，c∈[1,6干扰去除以及基于transformer的脑电信号时空关系提取与重建增强，实现高质量的脑电[0056]图1为本发明实施例提供的一种基于强化学习联合去噪与时空关系建模的脑电信[0057]图2为本发明实施例提供的一种基于强化学习联合去噪与时空关系建模的脑电信7[0067]如图2所示，对受试者通过运动想象诱发范式和多通道非侵入采集设备进行多通扰条件下实现最优化去噪方法快速决策的网络模型，能够实现对脑电测试过程中情绪杂[0078]步骤S24、使用变更后的网络结构构造新的去噪策略处理干净信号得到第二次去8[0096]在前述利用强化学习针对个体多通道信号做出相应决策9[0103]步骤S314、对压缩后的特征向量通过激活模块的激活运[0105]经过去噪处理后的干净脑电信号仍是多通道数据的形式。要进行transformer的征通过为不同通道分配相应激活因子的激发模块进行多维特征cHVc[0123]首先在对数据在时序上的位置进行编码标记后，将数据压然后在时间维度上有重叠地将数据划分为多个小切片(无重叠划分会损失部分上下文信[0134]空间编码和时间编码分别对一段输入的脑电多通道信号不同维度的特征进行提部分首先对组合特征进行片段划分，联合时序片段对N个独立通道进行扁平化的块映射重[0136]对于多通道长序列的脑电信号，将空间transformer分块序列生成的位置感应偏差的有效性与空间transformer模块生成的时序片段位置注意力编码的表现性相结合，通干扰去除以及基于transformer的脑电信号时空关系提取与重建增强，实现高质量的脑电对多处理的多个结果获得的特征通道堆叠的集成策略在很大程度上忽略了不同特征通道[0141]现有具备多维度特征提取分类能力的深度网络模型能够提升目标特征的提取分以将本说明书中