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）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN114841192B(45)授权公告日2025.07.11

(21)申请号202210289437.6

(22)申请日2022.03.23

(65)同一申请的已公布的文献号申请公布号CN114841192A

(43)申请公布日2022.08.02

(73)专利权人西安电子科技大学

地址710000陕西省西安市雁塔区太白南

路2号

(51)Int.CI.

GO6F18/10(2023.01)

GO6F18/213(2023.01)

(56)对比文件

王诚.基于深度学习的脑电信号合成语音关键技术研究.《万方数据》.2023,全文.

审查员母润发

(72)发明人秦翰林张昱赓马琳王诚

卢长浩刘嘉伟王欣达陈嘉欣

于跃

(74)专利代理机构西安嘉思特知识产权代理事

务所(普通合伙)61230专利代理师王海栋

权利要求书2页说明书9页附图3页

(54)发明名称

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

(57)摘要

CN114841192B本发明涉及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，包括：获取多通道脑电信号；对获取的多通道脑电信号进行基于多智能体强化学习的干扰去除决策，得到干净信号；采用时空注意力建模对干净信号进行细节恢复，以得到增强后的脑电信号。基于强化学习机制对脑电信号的去噪流程进行选择优化，得到去除多类无关干扰的干净信号，提升脑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关系建模，利用脑电测试信号流固有的时序连续性与空间关联性，重建得到更高空间分辨率的信

CN114841192B

获取多通道脑电信号

对获取的多通道脑电信号进行基于多智能体强化学习的干扰去除决策，得到干净信号

采用时空注意力建模对干净信号进行细节恢复，以得到增强后的脑电信号

SI

S2

S3

CN114841192B权利要求书1/2页

2

1.一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，其特征在于，包括以下步骤：

S1、获取多通道脑电信号；

S2、对获取的所述多通道脑电信号进行基于多智能体强化学习的干扰去除决策，得到干净信号；

S3、采用时空注意力建模对所述干净信号进行细节恢复，以得到增强后的脑电信号；

步骤S2,包括：

步骤S21、将所述干净信号输入包含全部去噪算法的级联式网络进行第一次去噪；

步骤S22、对得到的第一次去噪结果进行评估；

步骤S23、根据第一次评估结果的得分进行结果的反馈后指导网络结构的变更；

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噪结果；

步骤S25、对得到的所述第二次去噪结果进行评估；

步骤S26、根据第二次评估结果的得分进行结果的反馈后指导网络结构的变更；

重复执行上述步骤，以获取到针对所述多通道脑电信号的最优联合去噪方法；

步骤S3,包括：

步骤S31、在特征通道维度上应用空间注意力transformer进行空间特征的编码；

步骤S32、在时间维度对数据进行切片以进行注意力转换，获得包含时序关联的注意力

特征；

步骤S33、在时序特征引导下，对空间特征进行增强；

步骤S34、根据时空两个维度特征获取增强后的脑电信号。

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方法，其特征在于，步骤S22,包括：

步骤S221、使用交叉验证策略来评估算法模型。

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方法，其特征在于，步骤S221,包括：

步骤S2211、针对每一位受试者，将其全部脑电信号分成N个相等的数据子集后，使用其中一个子集用作测试集，其他N-1个子集构成训练集；

步骤S2212、根据所述测试集和所述训练集评估所述算法模型，以得到一个受试者数据的得分；

步骤S2213、将所有受试者的平均得分作为最终得分，其中，将交叉验证的平均得分作为一个受试者的得分。

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方法，其特征在于，步骤S31,包括：

步骤S311、将干净信号进