一种微电刺激多模态正念训练方法及系统与流程

本发明属于生理信号处理与智能调控，特别是涉及一种微电刺激多模态正念训练方法及系统。

背景技术：

1、随着生理信号处理与智能调控技术领域的发展，多模态生理感知与时序深度学习技术逐步成熟，该技术可同步采集脑电、皮肤电和脉搏波等人体生理指标，依托时序卷积网络精准解析用户精神情绪状态，由此衍生出各类正念冥想辅助训练调控方案。

2、传统正念训练调控方式采用串行两级处理架构，先单独采用网络识别用户冥想状态，再依据识别结果二次计算微电刺激参数，硬件端多依靠震动反馈实现情绪干预。

3、然而现有传统方案存在明显缺陷：串行处理流程会产生严重级联误差，状态识别偏差会持续传递至刺激参数计算环节，调控精准度不足；震动反馈存在机械噪声，易打断深度冥想状态；模型未引入生理先验约束，输出刺激参数易违背人体神经调节规律，且缺少统一多模态信号标准化处理流程，实时闭环调控延迟高，难以实现安静、个性化和高精度的正念训练闭环调控。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种能够同步完成冥想状态识别与刺激参数决策、消除级联误差、提升实时响应精度的的微电刺激多模态正念训练方法及系统。

2、第一方面，本申请提供了一种微电刺激多模态正念训练方法，包括：

3、s1、获取通过可穿戴设备采集的多模态生理信号，并对多模态生理信号进行预处理后经滑动时间窗切分，得到三维输入矩阵；

4、s2、将三维输入矩阵输入训练信号感知决策网络中的共享时序特征编码器，提取得到生理时序特征向量；

5、s3、将生理时序特征向量输入训练信号感知决策网络中的冥想状态分类头，进行全连接映射和softmax归一化，得到冥想状态类别概率分布；将生理时序特征向量输入训练信号感知决策网络中的刺激参数回归头，进行全连接映射和sigmoid值域缩放，得到各刺激参数归一化预测值，将各刺激参数归一化预测值分别映射至预设的物理允许范围，得到刺激参数预测值；

6、s4、根据冥想状态类别概率分布和刺激参数预测值，生成微电刺激指令，并向可穿戴设备下发微电刺激指令；

7、其中，训练信号感知决策网络基于初始感知决策网络，以最小化状态分类损失、参数回归损失和状态参数一致性约束损失的加权复合损失函数为目标，通过多模态生理信号训练样本，训练得到；共享时序特征编码器对应的初始共享时序特征编码器由时序卷积网络模型剔除全连接输出层得到；初始感知决策网络通过在初始共享时序特征编码器之后并联接入冥想状态分类头对应的初始冥想状态分类头和刺激参数回归头对应的初始刺激参数回归头，构建得到。

8、第二方面，本申请还提供了一种微电刺激多模态正念训练系统，包括：

9、信号获取与预处理模块，用于获取通过可穿戴设备采集的多模态生理信号，并对多模态生理信号进行预处理后经滑动时间窗切分，得到三维输入矩阵；

10、特征提取模块，用于将三维输入矩阵输入训练信号感知决策网络中的共享时序特征编码器，提取得到生理时序特征向量；

11、感知与决策模块，用于将生理时序特征向量输入训练信号感知决策网络中的冥想状态分类头，进行全连接映射和softmax归一化，得到冥想状态类别概率分布；将生理时序特征向量输入训练信号感知决策网络中的刺激参数回归头，进行全连接映射和sigmoid值域缩放，得到各刺激参数归一化预测值，将各刺激参数归一化预测值分别映射至预设的物理允许范围，得到刺激参数预测值；

12、安全约束与刺激控制模块，用于根据冥想状态类别概率分布和刺激参数预测值，生成微电刺激指令，并向可穿戴设备下发微电刺激指令；

13、其中，训练信号感知决策网络基于初始感知决策网络，以最小化状态分类损失、参数回归损失和状态参数一致性约束损失的加权复合损失函数为目标，通过多模态生理信号训练样本，训练得到；共享时序特征编码器对应的初始共享时序特征编码器由时序卷积网络模型剔除全连接输出层得到；初始感知决策网络通过在初始共享时序特征编码器之后并联接入冥想状态分类头对应的初始冥想状态分类头和刺激参数回归头对应的初始刺激参数回归头，构建得到。

14、上述一种微电刺激多模态正念训练方法及系统，通过一体化共享时序编码器并联分类头与回归头、加权复合损失函数约束、三模态生理信号统一预处理和状态感知联动安全刺激输出等核心技术特征协同作用，能够解决串行调控级联误差大、震动反馈存在噪声、刺激参数不符合生理规律、实时性差和安全管控缺失等技术问题，同步完成冥想状态识别与刺激参数预测，消除串行架构带来的误差累积，同时共享主干网络精简模型参数量，降低推理延迟，满足穿戴设备实时闭环控制需求，采用微电刺激替代机械震动，无噪音干扰，保障冥想环境安静，引入状态参数一致性约束损失，结合生理先验规范参数输出，提升调控合理性，多通道信号标准化预处理提升状态识别精度，增设静默抑制与多层级参数钳位机制，兼顾训练效果与人体使用安全性，实现高精度、低干扰、个性化和安全可控的正念闭环训练调控。

1.一种微电刺激多模态正念训练方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

3.根据权利要求2所述的方法，其特征在于，所述加权复合损失函数的计算公式为：

4.根据权利要求1所述的方法，其特征在于，所述多模态生理信号包括脑电信号、皮肤电反应信号和脉搏波信号；所述对所述多模态生理信号进行预处理后经滑动时间窗切分，得到三维输入矩阵，包括：

5.根据权利要求1所述的方法，其特征在于，所述将所述生理时序特征向量输入所述训练信号感知决策网络中的冥想状态分类头，进行全连接映射和softmax归一化，得到冥想状态类别概率分布；将所述生理时序特征向量输入所述训练信号感知决策网络中的刺激参数回归头，进行全连接映射和sigmoid值域缩放，得到各刺激参数归一化预测值，将各所述刺激参数归一化预测值分别映射至预设的物理允许范围，得到刺激参数预测值，包括：

6.根据权利要求1所述的方法，其特征在于，所述根据所述冥想状态类别概率分布和所述刺激参数预测值，生成微电刺激指令，并向所述可穿戴设备下发所述微电刺激指令，包括：

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

8.一种微电刺激多模态正念训练系统，其特征在于，所述系统包括：