买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜武汉理工大学申请的专利一种基于多尺度脑电特征跨被试疲劳状态检测方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114997215B 。

龙图腾网通过国家知识产权局官网在2025-02-18发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210508177.7，技术领域涉及：G06F18/25；该发明授权一种基于多尺度脑电特征跨被试疲劳状态检测方法及系统是由陈昆;黎枝蕾;马力;刘泉设计研发完成，并于2022-05-10向国家知识产权局提交的专利申请。

本一种基于多尺度脑电特征跨被试疲劳状态检测方法及系统在说明书摘要公布了：本发明提出了一种基于多尺度脑电特征跨被试疲劳状态检测方法及系统，研究多尺度融合的脑电特征提取方法，基于改进的FLDANN网络建立跨被试疲劳检测模型。在跨被试疲劳检测阶段，通过改进的FLDANN网络，利用现有被试的疲劳脑电数据去识别目标被试的疲劳状态。不仅降低了目标被试用于训练模型的疲劳数据获取成本，还针对提取的疲劳脑电特征片面、信息缺失问题，以及在跨被试检测时面临的多源域和单目标域导致的域不均衡问题提出解决方法，有效提高了分类性能。

本发明授权一种基于多尺度脑电特征跨被试疲劳状态检测方法及系统在权利要求书中公布了：1.一种基于多尺度脑电特征跨被试疲劳状态检测方法，其特征在于，包括以下步骤：步骤S1：通过脑电采集设备采集被试者疲劳状态和非疲劳状态下的脑电数据；步骤S2：对所述脑电信号进行滤波处理，提取0-30Hz之间的子频带脑电信号；步骤S3：将所述子频带脑电信号数据进行分段处理，以获取不同疲劳状态下的脑电信号样本；步骤S4：提取所述脑电信号样本多尺度的时域和频域特征，并通过特征排序选择方法进行融合，以计算出特征融合数据；步骤S5：基于所述特征融合数据，建立跨被试疲劳检测模型，对目标被试进行疲劳状态的识别检测；步骤S4具体包括：步骤S41：通过Hjorth参数计算所述脑电信号样本Y＝{y1,y2,...,yt}的时域特征，提取不同状态下脑电信号样本的活跃性Activity、移动性Mobility和复杂性Complexity； 式中T表示所述脑电信号样本的数量，表示脑电信号样本的平均数，Activity＇表示对Activity的一次求导，Activity＂表示对Activity的二次求导；步骤S42：提取所述脑电信号样本的四个节律波：0-3Hz的δ波、4-7hz的θ波、8-12hz的α波、13-30hz的β波，采用Welch-PSD算法提取所述节律波的功率谱密度，以确定频域特征，所述Welch-PSD算法的窗函数设置为汉明窗，重叠率设置为20％；步骤S43：使用FisherRatio算法计算所述时域特征和频域特征的费雪比值，选出对分类有效的特征进行融合；步骤S43具体为：步骤S431：计算所述脑电信号样本所有维度的费雪比值φi，并将全部所述费雪比值按照降序排序，得到一个有序的费雪比集合φ；步骤S432：按照一定的特征选取比例选取所述费雪比集合φ中的子集和所述子集对应的特征，得到特征子集，将所述特征子集输入分类器观察效果；步骤S433：不断调整所述特征选取比例，得到对分类有效的最优特征选取比例，并将对应的所述特征子集进行特征融合。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人武汉理工大学，其通讯地址为：430070 湖北省武汉市洪山区珞狮路122号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。