一种基于智能体网络进化架构的脑电信号分析方法

本发明涉及脑信号分析，尤其涉及一种基于智能体网络进化架构的脑电信号分析方法。

背景技术：

1、脑信号通过头皮电极以毫秒级分辨率记录大脑皮层电活动，不同脑区之间通过神经振荡的同步与耦合实现功能通信，形成可量化为图论拓扑指标的脑功能连接网络。脑功能分析需要同时覆盖时域波形形态、频域功率分布、脑区间功能交互与非线性动力学特性等多个信息维度。

2、现有方案常将llm（large language model，大语言模型）作为分析流程的唯一调度核心（智能体），通过自然语言理解用户分析意图后，以“思考—规划—执行”的循环模式依次调用信号预处理、特征提取和分类模型等预设分析模块，各模块以工具函数形式注册于智能体的调用列表中，智能体根据任务需求选取工具并决定调用顺序，最终汇总结果输出分析结论。现有研究进一步提出了面向通用智能体社会的协调层协议，将智能体、工具、人类和资源统一建模，通过身份、路由、交互和监管平面实现异构多智能体间的任务协作与会话管理。

3、目前，现有技术中的脑功能分析方法包括：将脑功能分析建模为一个可被单一决策者串行调度的工具调用问题。在智能体的工具调用机制中，每个工具的返回结果需写入智能体上下文，下一步的调度决策依赖上一步的智能体语义理解，分析信息每经过一次智能体的转述与重解释就发生一次压缩和偏移，多步累积后形成错误传播链。同时，脑信号的低信噪比与极端个性化的特征决定了单次的标准化的工具调用流程容易陷入模型幻觉而难以得到可靠结论，也无法将分析经验固化为可复用的系统知识，所有输出均经同一决策者而无法引入独立于其外的质量审查。

4、上述现有技术中的脑功能分析方法的缺点包括：该方法将问题假定为一个标准化预定义工程任务、由单一决策者串行调度工具执行，而非多个专业智能体对等协同、持续积累的认知过程，形成了三个结构性缺陷：多维并行分析被压缩为串行调用链，分析信息每经转述发生压缩偏移并累积为错误传播；每次分析从零开始，历史经验无法固化为可复用的系统知识，面对脑信号的低信噪比与极端个性化，单次标准化流程无法从过往分析中获得先验支撑；所有输出均经同一决策者，无法引入独立于其外的审计实体对分析质量进行量化评估和证据追溯。上述三个缺陷的共因是现有范式无法实现从使用中持续演化的闭环机制，分析能力无法根据实际工作情况扩展调用、历史经验无法积累为可复用的先验知识、调度策略无法随性能反馈自适应优化。

技术实现思路

1、本发明提供了一种基于智能体网络进化架构的脑电信号分析方法，以实现有效地对驾驶场景和睡眠监测等场景中的脑电数据进行分析。

2、为了实现上述目的，本发明采取了如下技术方案。

3、根据本发明的一个方面，提供了一种基于智能体网络进化架构的脑电信号分析方法，包括：

4、获取待分析的脑电信号数据，接收用户输入的对所述脑电信号数据的分析意图；

5、对所述分析意图进行解析，将所述分析意图分解为多个子任务，将子任务的所需的能力要求与已经注册的各个智能体的能力描述进行匹配，根据匹配结果为每个子任务分别调度对应的智能体，输出智能体的调用序列和交叉验证路径；

6、被调度的各个智能体对所述待分析的脑电信号数据进行分析处理，根据所述智能体的调用序列通过任务路由器为每个子任务动态规划hook审查管线，通过协作总线在被调度的智能体实例之间传递结构化中间结果和交叉验证；

7、利用所述hook审查管线通过独立审计智能体对各个智能体输出的分析结果数据进行审查，生成审计证据评分，对各个智能体的分析结果数据和审计证据评分，以及结构化中间结果和交叉验证进行综合，生成所述待分析的脑电信号数据的结构化分析报告。

8、优选地，所述的对所述分析意图进行解析，将所述分析意图分解为多个子任务，将子任务的所需的能力要求与已经注册的各个智能体的能力描述进行匹配，根据匹配结果为每个子任务分别调度对应的智能体，输出智能体的调用序列和交叉验证路径，包括：

9、设置需求对齐层包含意图确认模块、任务分解模块和智能体规划模块，所述意图确认模块接收用户输入的自然语言命令，通过大语言模型对所述自然语言命令进行语义解析，输出结构化的分析意图，该分析意图包括任务类型、分析频带、比较条件和要求的分析维度，通过任务分解模块将所述分析意图分解为由多个子任务组成的有向无环图，将所述有向无环图传输给任务路由器，每个子任务描述一个独立可执行的分析步骤，智能体规划模块将子任务的所需的能力要求与可演化智能体注册表中已经注册的各个智能体的能力描述进行匹配，根据匹配结果为每个子任务分别调度对应的智能体，支持一个子任务被路由到多个功能相似的智能体以进行结果交叉验证，输出智能体调用序列和交叉验证路径。

10、优选地，所述可演化智能体注册表以名称到构建函数的映射方式存储所有已注册的智能体，同时维护每个智能体的能力描述文本和历史性能统计，新智能体通过实现任务接收、数据分析、结果报告、能力查询和交叉验证五个方法的标准化skill接口并调用注册函数即可接入系统。

11、优选地，所述的根据所述智能体的调用序列通过任务路由器为每个子任务动态规划hook审查管线，通过协作总线在被调度的智能体实例之间传递结构化中间结果和交叉验证，包括：

12、任务路由器接收到所述智能体的调用序列和有向无环图后，任务路由器根据各个子任务需求和智能体能力的语义匹配度，同时参考智能体的历史表现进行路由决策，为各子任务动态规划hook审查管线，所述hook审查管线包括：预执行hook、后执行hook和结果hook，根据各个子任务的类型和数据特征自动生成对应的质量门控、分布检查和一致性检验规则；

13、所述任务路由器通过协作总线在被调度的智能体之间传递结构化中间结果和交叉验证，所述协作总线是智能体间对等通信的通道，支持发布与订阅模式以及点对点直接通信模式，所述结构化中间结果中携带类型标识、生成时间戳和输入依赖引用。

14、优选地，所述的被调度的各个智能体对所述待分析的脑电信号数据进行分析处理，包括：

15、被调度的智能体包括信号预处理智能体、特征提取智能体、网络智能体和分类诊断智能体，各分析智能体之间的通信采用结构化制品契约格式，每个智能体的输出包含制品类型标识、生成时间戳和输入依赖引用，下游智能体通过制品契约验证输入数据的完整性和来源可追溯性；

16、所述信号预处理智能体的自适应带通滤波通过分析所述待分析的脑电信号数据本身的频谱特征来决定滤波参数：计算低频漂移频带的功率占比，若超过预设阈值则自动增加高通滤波；计算线噪声频带的功率占比，若超过预设阈值则自动添加陷波滤波器；检测高频有用信号的存在性，若无则自动降低低通截止频率；

17、所述网络智能体以每个脑电电极通道为网络节点，提取所述待分析的脑电信号数据中的至少两种不同原理的功能连接指标以构建脑功能连接矩阵，利用所述脑功能连接矩阵通过稀疏度自适应扫描策略选取最优稀疏度值，从全局、节点和模块三个层级提取至少包含聚类系数、特征路径长度、全局效率和局部效率的图论拓扑特征；

18、所述特征提取智能体从时域、频域、时频域、非线性动力学和空域五个维度并行提取所述待分析的脑电信号数据的特征，输出结构化的特征矩阵，所述特征提取智能体对每个提取的特征计算预估重要性评分，所述预估重要性评分 = α×历史统计得分 + (1 - α)×互信息得分，其中历史统计得分为该特征在历史记录库的同类任务中重要性统计的归一化值，互信息得分为当前分析数据上该特征与目标变量之间互信息检验的归一化值，α为平衡系数，根据任务类型预设或随历史记录库中数据量的增长自适应调整；

19、所述分类诊断智能体包含支持向量机、随机森林、梯度提升机和深度学习模型，所述分类诊断智能体对每个候选模型进行按被试分层的k折交叉验证，记录各模型的性能指标均值和标准差，使用统计检验比较最优两个模型之间的性能差异显著性。

20、优选地，所述的利用所述脑功能连接矩阵通过稀疏度自适应扫描策略选取最优稀疏度值，包括：

21、利用所述脑功能连接矩阵通过稀疏度自适应扫描策略在稀疏度0.10至0.50范围内以1%步进生成候选稀疏度值，对每个候选稀疏度构建二值网络并计算小世界指数，其中和分别为100个同等度分布随机网络的聚类系数均值和特征路径长度均值；选择 > 1且全局效率最高的稀疏度作为最优稀疏度。

22、优选地，所述的利用所述hook审查管线通过独立审计智能体对各个智能体输出的分析结果数据进行审查，生成审计证据评分，对各个智能体的分析结果数据和审计证据评分，以及结构化中间结果和交叉验证进行综合，生成所述待分析的脑电信号数据的结构化分析报告，包括：

23、所述独立审计智能体利用所述hook审查管线对各智能体输出的分析结果数据与知识库的更新进行审查和冲突检测，利用hook审查管线中的预执行hook在分析结果数据进入智能体前进行质量门控评级；利用hook审查管线中的后执行hook对各智能体输出的分析结果数据依次进行分布范围检查、智能体间一致性检验和知识库对照验证，利用hook审查管线中的结果hook将各审查维度的得分加权合成为审计证据评分；

24、所述质量门控评级通过以下指标中的至少三项对各智能体输出的分析结果数据中的每个数据段进行a/b/c/d四级质量评级：坏通道比例、独立成分分析去除的伪迹成分数量、各频带信噪比估计值和残留伪迹模式的概率评估；其中等级a和b的数据正常参与分析，等级c的数据其结果置信度被自动下调，等级d的数据被标记为不可用，不进行后续审查；

25、各智能体输出的分析结果数据中的每个数据段的审计证据评分的计算公式为：

26、审计证据评分=；

27、其中为数据质量权重、为分布范围检查权重、为智能体间一致性权重、为知识库对照权重， =1；

28、数据段的审计证据评分大于或者等于0.80，则判定该数据段为高置信度；数据段的审计证据评分为0.50至0.79之间，则判定该数据段为中等置信度；数据段的审计证据评分低于0.5，则判定该数据段为低置信度；

29、所述智能体间一致性检验通过以下方式进行：收集针对同一分析任务来自不同智能体的独立结论，计算结论之间的一致性量化分数，当一致性分数低于预设阈值时，在最终报告中同时保留各智能体的结论并标注不一致状态及其可能原因，而非强制选择单一结论；

30、综合各智能体的制品契约、独立审计智能体的hook审查管线的审查结果和每个数据段的审计证据评分，生成所述待分析的脑电信号数据的结构化分析报告，所述结构化分析报告采用分层结构，包括：第一层摘要卡片，以自然语言概述各智能体输出的分析结果数据及审计证据评分；第二层关键指标面板，以表格和图表展示定量结果；第三层详细分析章节，分章节详述每个智能体的分析过程和完整结果；第四层原始数据附录，提供特征矩阵、功能连接矩阵和分析日志的可下载链接；

31、所述结构化分析报告中的每个分析结论能够经制品契约追溯其来源智能体与输入制品、经hook管线记录追溯其经过的审查环节、经审计证据评分追溯其审查结论的可信度。

32、优选地，所述的方法还包括：

33、各智能体的新分析能力或经验以skill形式不断接入扩展能力池，各智能体的分析结果数据的审查分析记录存入历史记录库并更新特征分布基线、模型性能统计和路由偏好，积累的先验知识提升后续任务的分析质量和路由效率，实现系统随使用的持续演化。

34、根据本发明的另一个方面，提供了一种基于智能体网络进化架构的脑电信号分析系统，硬件与软件包括：

35、脑电信号采集设备，包含多个电极、放大器和模数转换器，用于从头皮表面采集多通道脑电信号数据一个或多个处理器；存储器，其上存储有计算机程序指令，当所述指令被处理器执行时，使得所述处理器实现所述的基于智能体网络进化架构的脑电信号分析方法，所述存储器中进一步存储有可演化智能体注册表、专业skill库、专业知识库和历史分析记录库。

36、一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序被处理器执行时，实现基于智能体网络进化架构的脑电信号分析方法。

37、由上述本发明的实施例提供的技术方案可以看出，本发明方法可以实现信号预处理、多维特征提取、脑功能网络分析、多模型分类诊断等专业分析智能体的对等协同、交叉验证与持续演进；通过历史分析记录库使每次分析从过往经验中学习，实现系统的持续演化，使系统具备能力可扩展、知识可积累、路由可自优化的闭环演化能力。

38、本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。