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！

龙图腾网获悉电子科技大学申请的专利基于脑电信号和眼电信号特征融合的疲劳检测方法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：CN118303883B 。

龙图腾网通过国家知识产权局官网在2025-06-10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：202410217556.X，技术领域涉及：A61B5/18；该发明授权基于脑电信号和眼电信号特征融合的疲劳检测方法是由李航;于烨玮;黄瑞;施柯丞;程洪设计研发完成，并于2024-02-27向国家知识产权局提交的专利申请。

本基于脑电信号和眼电信号特征融合的疲劳检测方法在说明书摘要公布了：本发明公开了一种基于脑电信号和眼电信号特征融合的疲劳检测方法，分别采集每位受试者在正常状态和疲劳状态下的脑电信号和眼电信号并生成训练样本，构建包括脑电信号数据降维处理模块、空间注意力特征提取模块、脑电信号通道与时间特征提取模块、脑电信号特征降维模块、眼电信号时间特征提取模块、眼电信号通道与时间特征提取模块、特征拼接模块和分类模块的疲劳检测模型并采用训练样本进行训练，当需要对某人员进行疲劳检测时，获取脑电信号和眼电信号，将脑电信号采用相同方法进行预处理后与眼电信号一起输入训练好的疲劳检测模型，得到疲劳检测结果。本发明可以更好地提取和保留时空特征，提高疲劳检测的准确率。

本发明授权基于脑电信号和眼电信号特征融合的疲劳检测方法在权利要求书中公布了：1.一种基于脑电信号和眼电信号特征融合的疲劳检测方法，其特征在于，包括以下步骤：S1：根据实际需要确定受试场景和受试者，分别采集每位受试者在正常状态和疲劳状态下时长为T的脑电信号和眼电信号EOG；S2：采用预设的预处理方法对脑电信号进行预处理，得到脑电信号EEG；S3：将对应的脑电信号EEG和眼电信号EOG作为一组输入信号，并标注每组输入信号对应的标签label，label＝1表示受试者处于疲劳状态，label＝0表示受试者处于正常状态，从而得到训练样本；S4：构建疲劳检测模型，包括脑电信号数据降维处理模块、空间注意力特征提取模块、脑电信号通道与时间特征提取模块、脑电信号特征降维模块、眼电信号时间特征提取模块、眼电信号通道与时间特征提取模块、特征拼接模块和分类模块，其中：脑电信号数据降维处理模块用于对脑电信号EEG进行数据降维，将降维后的脑电信号EEG1发送至空间注意力特征提取模块；空间注意力特征提取模块用于采用空间注意力机制对降维后的脑电信号EEG1进行空间特征提取，将得到的脑电信号空间特征tEEG发送至脑电信号通道与时间特征提取模块；空间注意力特征提取模块包括最大池化层，平均池化层和特征拼接层，其中：最大池化层用于对降维后的脑电信号进行最大池化，然后将得到的最大池化特征发送至特征拼接层；平均池化层用于对降维后的脑电信号进行平均化，然后将得到的平均池化特征发送至特征拼接层；特征拼接层用于将最大池化特征和平均池化特征进行拼接，将拼接得到的特征作为空间特征tEEG进行输出；脑电信号通道与时间特征提取模块用于对接收的脑电信号空间特征tEEG进行进一步特征提取，将得到的脑电信号特征fEEG发送至脑电信号特征降维模块；脑电信号通道与时间特征提取模块包括第一卷积层、第二卷积层、均值池化层和激活函数层，其中：第一卷积层用于对脑电信号空间特征tEEG进行卷积操作，然后将得到的特征发送至第二卷积层；第二卷积层用于对接收到的特征进行卷积操作，然后将得到的特征发送至均值池化层；均值池化层用于对接收到的特征进行均值池化，然后将得到的特征发送至激活函数层；激活函数层用于采用Relu激活函数对接收到的特征进行处理，然后将得到的特征作为脑电信号特征fEEG进行输出；脑电信号特征降维模块用于对接收到的脑电信号特征fEEG进行降维得到降维后的脑电信号特征FEEG，使脑电信号特征FEEG的尺寸和眼电信号特征FEOG相同，然后将脑电信号特征FEEG输出至特征拼接模块；眼电信号时间特征提取模块用于对眼电信号EOG进行时间特征提取，将得到的眼电信号时间特征tEOG发送至眼电信号通道与时间特征提取模块；眼电信号时间特征提取模块包括K个通道卷积层，均值池化层和激活函数层，K表示眼电信号通道数，其中：每个通道卷积层分别对眼电信号EOG的每个通道信号进行卷积操作，将得到的通道特征发送至均值池化层；均值池化层用于对接收到的K个通道特征进行均值池化，然后将得到的特征发送至激活函数层；激活函数层用于采用Relu激活函数对接收到的特征进行处理，然后将得到的特征作为眼电信号时间特征tEOG进行输出；眼电信号通道与时间特征提取模块用于对接收的眼电信号时间特征tEOG进行进一步特征提取，将得到的眼电信号特征FEOG发送至特征拼接模块；眼电信号通道与时间特征提取模块包括卷积层、均值池化层和激活函数层，其中：卷积层用于对接收的眼电信号时间特征tEOG进行卷积操作，将得到的特征发送至均值池化层；均值池化层用于对接收到的特征进行均值池化，然后将得到的特征发送至激活函数层；激活函数层用于采用Relu激活函数对接收到的特征进行处理，然后将得到的特征作为眼电信号特征FEOG进行输出；特征拼接模块用于将脑电信号特征FEEG和眼电信号特征FEOG进行拼接，将拼接特征Fcon发送至分类模块；分类模块用于根据拼接特征Fcon进行分类，得到输入信号所对应人员是否疲劳的检测结果；S5：采用步骤S3的训练样本对疲劳检测模型进行训练，得到训练好的疲劳检测模型；S6：当需要对某人员进行疲劳检测时，获取时长为T的脑电信号和眼电信号EOG′，对脑电信号采用步骤S2中的相同方法进行预处理得到脑电信号EEG′，然后将脑电信号EEG′和眼电信号EOG′输入训练好的疲劳检测模型，得到疲劳检测结果。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。