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！

申请/专利权人：西安电子科技大学

摘要：本发明公开了一种基于子空间距离的跨用户警觉度监测方法，解决了跨用户警觉度监测中的模态数据单一、相关性不足以及误差波动大的问题，实现方案：数据采集与预处理；构建跨用户警觉度监测模型；模型训练；用户警觉度监测。本发明使用源域与目标域特征，计算子空间距离、碱基错配惩罚与均方根误差作为模型总损失，最小化总损失训练模型，使用模型监测用户得到警觉度值。本发明通过使用多模态数据融合以及基于子空间距离的迁移学习算法，提高了跨用户警觉度监测过程中的精度与稳定性，降低警觉度监测误差，用于人机交互、交通驾驶、航空飞行等领域中对用户进行实时警觉度连续监测。

主权项：1.一种基于子空间距离的跨用户警觉度监测方法，其特征在于，通过多尺度空间自适应特征调制和卷积神经网络模块提取脑电深层特征，通过外积嵌入和卷积神经网络模块提取眼电深层特征，将脑电深层特征和眼电深层特征通过显式空间映射模块进行特征融合，将融合后的特征矩阵通过奇异值分解计算子空间距离RSD和碱基错配惩罚BMP，以及通过多层感知机计算均方根误差RMSE，将子空间距离、碱基错配惩罚和均方根误差作为总损失通过反向传播对跨用户警觉度监测模型进行训练，包括有如下步骤：1数据采集与预处理：获取用户即交通驾驶人员的脑电、眼电信号数据，进行包括降采样、去伪影、划分时间窗、浅层特征提取预处理操作，获得脑电信号中以8s为时间窗、以2Hz为步长的17个通道上的微分熵作为脑电浅层特征，获得眼电信号中以8s为时间窗的眨眼、扫视、注视时间为眼电浅层特征，将数据划分训练集和测试集，其中训练集划分为源域数据和目标域数据；2构建跨用户警觉度监测模型W：使用训练集中的源域数据和目标域数据，将其中的脑电数据和眼电数据通过并行分支提取深层特征，其中脑电数据通过脑电深层特征提取模块，该模块包括多尺度空间自适应特征调制和卷积神经网络，获得脑电深层特征；眼电数据通过眼电深层特征提取模块，该模块包括外积嵌入和卷积神经网络，获得眼电深层特征；将两种深层特征通过空间显式映射模块实现特征融合，得到源域特征和目标域特征；将融合特征中的源域特征与目标域特征通过域不变特征提取模块计算子空间距离RSD和碱基错配惩罚BMP作为LRSD损失和LBMP损失，将源域特征通过基于多层感知机的警觉度回归监测模块得到的监测值与真实值计算均方根误差RMSE作为LRMSE损失；脑电深层特征提取支路依次连接有多尺度空间自适应特征调制和卷积神经网络，眼电深层特征提取支路依次连接有外积嵌入和卷积神经网络；空间显式映射模块实现特征融合，将EOG深层特征映射到EEG深层特征空间中，并通过卷积操作进行特征融合，获得源域融合特征和目标域融合特征；域不变特征提取模块中，将源域融合特征和目标域融合特征通过奇异值分解计算源域子空间正交基和目标域子空间正交基，利用源域子空间正交基和目标域子空间正交基计算子空间距离RSD和碱基错配惩罚BMP；警觉度回归监测模块中，将源域融合特征通过包含两层隐藏层的多层感知机获得监测的警觉度值，计算监测值与实际值的均方根误差RMSE；3模型训练：使用训练集，将子空间距离损失LRSD、碱基错配惩罚损失LBMP和均方根误差损失LRMSE之和作为模型总损失Ltotal，使用反向迭代传播最小化总损失Ltotal，直至损失收敛，得到训练好的跨用户警觉度监测模型W；4用户警觉度监测：将测试集输入到训练好的跨用户警觉度监测模型W中，输出警觉度监测值。

全文数据：

权利要求：

百度查询： 西安电子科技大学 基于子空间距离的跨用户警觉度监测方法