基于脑功能网络深度学习的车内噪声评价模型

研究并构建了一个结合脑电信号处理与深度学习的车内噪声评价模型,该算法通过自我学习实现脑电信号特征提取,使用同步似然方法构建delta、alpha和beta频段的脑功能网络。将3个频带的脑功能网络扁平化处理后作为输入,通过无监督的堆栈自编码器(RSAE)自主提取脑功能网络的特征。通过几个高阶特征训练前后对比,证实了RSAE自主学习到与噪声评价有关的脑神经特征。最终将RSAE与普遍使用的SVM回归模型进行比较,同时将脑功能网络与传统的基于心理声学声音品质的车内噪声评价进行对比。结果表现,所提出的脑功能网络RSAE模型的平均决定系数高达98.69%,明显优于其他方法。