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！

龙图腾网获悉山东科技大学申请的专利一种多模态生理信号智能疲劳检测系统与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：CN121237450B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511795868.X，技术领域涉及：G16H50/70；该发明授权一种多模态生理信号智能疲劳检测系统与方法是由俞凯;刘帅影;周鲁洁设计研发完成，并于2025-12-02向国家知识产权局提交的专利申请。

本一种多模态生理信号智能疲劳检测系统与方法在说明书摘要公布了：本发明公开了一种多模态生理信号智能疲劳检测系统与方法，属于人工智能及计算机应用技术领域。本发明通过信号采集模块获取多模态生理信号，经预处理和特征提取后，分别输入GRU时序特征提取模块、神经网络静态分类模块和SOC能量分析模块；创新性地引入动态门控融合模块，根据实时信号质量与能量状态自适应调整三模块的融合权重，最终输出疲劳等级并触发报警。本发明解决了现有多模态融合方法权重固定、缺乏可解释性、在复杂环境下鲁棒性差等技术问题，实现了高精度、高可靠性的疲劳状态识别，适用于驾驶安全、工业监控等多种应用场景。

本发明授权一种多模态生理信号智能疲劳检测系统与方法在权利要求书中公布了：1.一种多模态生理信号智能疲劳检测系统，其特征在于，包括： 信号采集模块，被配置为用于采集多模态生理信号； 信号预处理模块，与信号采集模块连接，被配置为用于对采集的多模态生理信号进行滤波、去伪迹、分段和归一化处理，输出标准化信号矩阵； 特征提取模块，与信号预处理模块连接，被配置为用于从预处理后的信号中提取时域、频域及非线性特征，并拼接为整体特征矩阵； 信号质量评估模块，与信号预处理模块连接，被配置为用于评估各模态信号的质量并输出可靠性评分； 能量趋势分析模块，与特征提取模块连接，被配置为用于基于整体特征矩阵进行能量趋势分析，输出能量临界指标； GRU时序特征提取模块，与特征提取模块连接，被配置为用于提取时序特征并输出第一疲劳概率； BP神经网络静态分类模块，与特征提取模块连接，被配置为用于进行静态特征分类并输出第二疲劳概率； SOC模型输出模块，与能量趋势分析模块连接，被配置为用于基于能量临界指标输出第三疲劳概率； 动态可靠性门控融合模块，分别连接信号质量评估模块、能量分析模块、时序建模模块、静态分类模块和能量概率映射模块，被配置为用于根据可靠性评分和能量临界指标动态调整第一疲劳概率、第二疲劳概率和第三疲劳概率的权重，并进行加权融合输出融合疲劳概率； 分类报警模块，与动态门控融合模块连接，被配置为用于基于融合疲劳概率输出疲劳等级并触发报警； GRU时序特征提取模块，用于更新门控状态并输出第一疲劳概率，其门控状态更新公式为： ； ； ； 其中，为当前输入向量，用于提供本时刻的多模态生理信号特征；、、为输入到各门控单元的权重矩阵，用于刻画输入特征对更新门、重置门及候选状态的影响；为Sigmoid激活函数；、、为上一时刻隐藏状态到各门控单元的权重矩阵，用于描述历史状态对门控机制的影响；为上一时刻的隐藏状态，用于携带历史时间步的疲劳相关信息并影响当前门控计算；为更新门，控制记忆保留；为重置门，控制遗忘比例；为当前隐藏状态，包含历史疲劳特征； 将当前隐藏状态输入至分类层，得到第一疲劳概率： ； 其中，为当前隐藏状态，用于表征时间序列中截至该时刻的疲劳相关特征；为GRU输出层的权重矩阵，用于将隐藏状态映射为疲劳概率的线性特征；为GRU输出层的偏置项，用于对输出结果进行平移调整；GRU表示门控循环单元； 第一疲劳概率反映时间维度上的疲劳趋势； BP神经网络静态分类模块，其输出第二疲劳概率的计算公式为： ； 其中，为BP网络的输入特征向量，用于提供多模态生理信号的静态特征；为第一层权重矩阵，用于将输入特征映射为隐含层特征；为第二层权重矩阵，用于将隐含层特征映射至输出空间；为偏置项，用于调节网络的线性输出，使模型具有更高表达能力；为Sigmoid输出函数，用于将输出结果限制在0–1区间形成疲劳概率；BP表示反向传播神经网络； SOC模型输出模块通过单层感知网络将能量临界指标映射为第三疲劳概率，计算公式为： ； 其中，为能量临界指标，用于表征信号能量状态与疲劳程度的关系；为SOC输出层的权重矩阵，用于将能量临界指标映射到疲劳概率空间；为SOC输出层的偏置项，用于调节SOC模型输出的基准水平；SOC表示自组织临界性； ； 其中，为功率谱密度，用于表征生理信号在不同频率成分上的能量分布；为功率谱方差，用于衡量能量分布的波动程度；为功率谱均值，用于反映整体能量水平；为功率谱偏度，用于描述能量分布的偏斜程度及不对称性。

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山东科技大学，其通讯地址为：266590 山东省青岛市黄岛区前湾港路579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”。

以上内容由龙图腾AI智能生成。