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！

龙图腾网获悉武汉大学申请的专利一种驾驶员心电状态监控分类系统及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：CN116636855B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202310239474.0，技术领域涉及：A61B5/318；该发明授权一种驾驶员心电状态监控分类系统及方法是由刘娟;朱丁设计研发完成，并于2023-03-13向国家知识产权局提交的专利申请。

本一种驾驶员心电状态监控分类系统及方法在说明书摘要公布了：本发明公开了一种驾驶员心电状态监控分类系统及方法。本发明微处理器通过心电信号传感器采集多个时刻的心电信号，人工标记每个时刻的真实驾驶状态类别；构建驾驶心电状态分类神经网络，优化训练得到优化后驾驶心电状态分类神经网络；心电信号传感器采集实时心电信号并输出至所述微处理器，所述微处理器将实时心电信号通过优化后驾驶心电状态分类神经网络进行预测分类，得到实时的驾驶状态预测类别并通过所述显示模块显示，若驾驶状态预测类别属于驾驶疲劳则通过预警模块进行语音预警。本发明优点在于，采用轻量化深度学习模型，响应速度快、功能性强；可以实时监控驾驶员的生理状态，从而第一时间进行预警。

本发明授权一种驾驶员心电状态监控分类系统及方法在权利要求书中公布了：1.一种驾驶员心电状态监控分类系统，其特征在于，包括：微处理器、心电信号传感器、显示模块、预警模块； 所述微处理器分别与所述的心电信号传感器、显示模块、预警模块依次连接； 所述微处理器部署于车辆的方向盘中心位置；所述心电信号传感器部署于车辆的方向盘握手处；所述显示模块位于方向盘中间；所述预警模块位于显示模块右侧； 所述心电信号传感器用于实时采集心电信号，并输出至所述微处理器； 所述微处理器用于将实时采集的心电信号通过驾驶员心电状态监控分类方法进行分类得到驾驶员的驾驶状态类别，输出至所述显示模块显示，并通过预警模块进行预警； 所述驾驶员心电状态监控分类方法，包括以下步骤： 步骤1：微处理器通过心电信号传感器采集多个时刻的心电信号，人工标记每个时刻的真实驾驶状态类别； 步骤2：构建驾驶心电状态分类神经网络，将每个时刻的心电信号依次输入至驾驶心电状态分类神经网络进行预测分类，得到每个时刻的预测驾驶状态类别，结合每个时刻的真实驾驶状态类别构建损失函数模型，通过Adam算法优化训练得到优化后驾驶心电状态分类神经网络； 步骤3：心电信号传感器采集实时心电信号并输出至所述微处理器，所述微处理器将实时心电信号通过优化后驾驶心电状态分类神经网络进行预测分类，得到实时的驾驶状态预测类别并通过所述显示模块显示，若驾驶状态预测类别属于驾驶疲劳则通过预警模块进行语音预警； 步骤2所述的驾驶心电状态分类神经网络由第一特征卷积模块、第二特征卷积模块、...、第K特征卷积模块以及线性分类模块依次级联构成； 第一特征卷积模块，用于将每个时刻的心电信号通过特征提取得到第一心电特征，并输出至所述第二特征卷积模块； 第i特征卷积模块，用于将第i-1心电特征通过特征提取得到第i心电特征，并输出至第i+1特征卷积模块；i∈[1,K]； 所述第K特征卷积模块，用于将第K-1心电特征通过特征提取得到第K心电特征，并输出至所述线性分类模块； 所述线性分类模块由全局池化层、第一线性层、第二线性层、第三线性层依次级联组成； 所述线性分类模块，用于将第K心电特征转换为驾驶状态分类向量； 每个特征卷积模块由基于注意力的分组卷积模块、下采样模块连接组成； 所述基于注意力的分组卷积模块，包括：注意力通道划分模块、第一注意力支路模块、第二注意力支路模块、注意力模块、注意力通道重排模块构成； 所述注意力通道划分模块分别与所述的第一注意力支路模块、第二注意力支路模块连接；所述第一注意力支路模块与所述注意力模块连接，所述第二注意力支路模块与所述注意力模块连接；所述注意力模块与所述注意力通道重排模块连接； 所述第一注意力支路模块由第一注意力卷积层、注意力DW卷积层和第二注意力卷积层依次级联构成； 所述第二注意力支路模块由第三注意力卷积层、第四注意力卷积层级联构成； 所述注意力通道划分模块的输入为第i特征卷积模块输入，定义为第i时间序列， 其中，表示第i特征卷积模块中第t个时刻第c个通道的数据值，C为通道的总数量，T为总时刻的数量，K为特征卷积模块的总数量； 注意力通道划分模块将输入的时间序列分为： 第t时刻第i特征卷积模块的子偶序列； 第t时刻第i特征卷积模块的子奇序列； ； 其中，为子偶序列的通道下标，为原序列的2,4，…,C号通道，为子奇序列的通道下标，为原序列的1,3，…,C-1号通道； 所述第一注意力支路模块的输入为子偶序列，所述子偶序列依次通过第一注意力卷积层、注意力DW卷积层和第二注意力卷积层依次卷积处理，得到第t时刻第i特征卷积模块的第一注意力支路模块的通道c的值为； 其中，为输出序列的通道数，为第i特征卷积模块输入通道数的一半，T为输出序列的总时刻数量，与第i特征卷积模块输入的总时刻数量相同，K为卷积模块数量的个数，i表示为第i特征卷积模块第一注意力支路模块的输出； 所述第二注意力支路模块的输入为子奇序列； 子奇序列依次通过第三注意力卷积层和第四注意力卷积层用于进行卷积操作，得到第i特征卷积模块中第二支路的时刻t的通道c的数值为； 其中，为输出序列的通道数，为第i特征卷积模块输入通道数的一半；T为输出序列的总时刻数量，与第i特征卷积模块输入的总时刻数量相同，K为卷积通道数量的个数，i表示为第i特征卷积模块第一注意力支路模块的输出； 所述注意力模块的输入为第一注意力支路模块的输出和第二注意力支路模块的输出，两条支路的输出将首先进行拼接，得到第i特征卷积模块时刻t的通道c的支路输出的数值为； 其中， 其中，C为输出序列的通道数，与第i特征卷积模块输入通道数相同；T为输出序列的总时刻数量，与第i特征卷积模块输入的总时刻数量相同，K为卷积模块数量的个数，i表示为第i特征卷积模块； 第i特征卷积模块的支路输出与初始时间序列的通道数和长度保持一致； 第i特征卷积模块的支路输出通过通道注意力模块，得到第i特征卷积模块时刻t的通道c的通道注意力模块的输出数值为： ； 其中为第i特征卷积模块带有注意力的输出的通道数，与第i特征卷积模块输入通道数相同；T为第i特征卷积模块带有注意力的输出的总时刻数量，与第i特征卷积模块输入的总时刻数量相同，K为卷积模块数量的个数，i表示为第i特征卷积模块中注意力模块的输出； 所述注意力通道重排模块的输入为，输入将通过一个注意力通道重排模块CS，将通道[1,2,3,4…,C]重排为[1,3,5,…,C-1,2,4,…,C]，得到第i特征卷积模块时刻t的通道c的输出数值为： ； 其中，为第i特征卷积模块输出的通道数，与第i特征卷积模块输入通道数相同；T为第i特征卷积模块输出的总时刻数量，与第i特征卷积模块输入的总时刻数量相同，K为卷积模块数量的个数，i表示为第i特征卷积模块的输出。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区珞珈山武汉大学；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。