本技术涉及深度学习，尤其涉及一种基于脑电信号时间不可逆性的心理状态检测方法及系统。
背景技术：
1、心理状态是指心理活动在一定时间内的完整特征。根据心理状态的特征，可以分别多种心理状态，例如注意、疲劳、紧张、轻松、忧伤、喜悦等。不同的心理状态可以产生不同的表现，因此，可以基于用户的表现对用户进行心理状态的检测分类，进而检测用户的心理状态。例如，患有抑郁症的用户具有心理状态方面的特定表现，包括以情感低落、持续悲哀、兴趣减退、思维迟缓、意志力的减退、注意力的不集中、记忆的衰退、迟缓等。
2、大脑作为一个极其复杂且表现出混沌特性的生理系统，不仅包含着数以亿计的神经元的相互联系，还涉及复杂的化学和电生理过程。在统计上，时间不可逆性是指系统的统计特性会随时间的逆序而发生变化的性质，能有效区分混沌系统的不同状态。也就是说，静息态脑电活动是时间不可逆的，可用于识别并区分各种脑电信号，从而检测心理状态。
3、可以采用水平可见性图为代表的时间不可逆性计算方法，水平可见性图是一种将时间序列数据映射到图论结构中的方法，通过判断时间序列中不同点之间的可见性来构建图。在这种方法中，时间序列中的每个点都被视为图中的一个节点，而节点之间的连接则基于节点之间的可见性准则。然而，这种可见性准则的具体实现依赖于预先设定的阈值和度量参数。不恰当的参数设置可能会导致结果出现偏差或误导性，从而影响对时间序列动态特性的准确理解，降低心理状态检测的准确性。
技术实现思路
1、本技术提供一种基于脑电信号时间不可逆性的心理状态检测方法及系统，以解决心理状态检测准确率低的问题。
2、第一方面，本技术提供一种基于脑电信号时间不可逆性的心理状态检测方法，包括：
3、获取目标对象的脑电信号；
4、提取所述脑电信号的正序脑电序列和逆序脑电序列，所述正序脑电序列为按照时间正序排列的脑电信号，所述逆序脑电序列为按照时间逆序排列的脑电信号；
5、分别对所述正序脑电序列和所述逆序脑电序列执行相空间重构，以得到正序相空间序列和逆序相空间序列；
6、提取所述正序相空间序列的正序序数模式序列，以及提取所述逆序相空间序列的逆序序数模式序列，所述正序序数模式序列包括所述正序相空间序列中每行的正序序数模式，所述正序序数模式用于表示所述正序相空间序列中每行数值的大小关系；所述逆序序数模式序列包括所述逆序相空间序列中每行的逆序序数模式，所述逆序序数模式用于表示所述逆序相空间序列中每行数值的大小关系；
7、计算所述正序序数模式序列的正序统计量，以及计算所述逆序序数模式序列的逆序统计量，所述正序统计量用于表征所述正序序数模式序列中正序序数模式的分布概率；所述逆序统计量用于表征所述逆序序数模式序列中逆序序数模式的分布概率；
8、基于所述正序统计量和所述逆序统计量计算时间不可逆性特征，所述时间不可逆性特征用于表征所述正序统计量与所述逆序统计量之间的差异；
9、基于所述时间不可逆性特征生成所述脑电信号的心理状态检测结果。
10、可选的，获取目标对象的脑电信号步骤之后，还包括：
11、将所述脑电信号输入预置的低通滤波器和预置的高通滤波器，以滤除所述脑电信号中的频率高于第一阈值的信号和频率低于第二阈值的信号；
12、消除所述脑电信号的信号伪迹，所述信号伪迹包括眼电伪迹和肌电伪迹。
13、可选的，按照下式对所述正序脑电序列执行相空间重构：
14、x＝{x1，x2,...，xn-1，xn}
15、
16、q＝n-(m-1)d
17、其中，x为正序脑电序列，y为正序相空间序列，n为正序脑电序列的长度，m为预设的嵌入维数，d为预设的嵌入延迟。
18、可选的，提取所述正序相空间序列的正序序数模式序列的步骤，包括：
19、获取所述正序相空间序列中每行脑电信号每个数值所在列的索引值；
20、对每行脑电信号的数值进行升序排序；
21、将升序排序后的每行脑电信号每个数值替换为未升序排序之前每行脑电信号每个数值所在列的索引值，以得到正序序数模式序列。
22、可选的，计算所述正序序数模式序列的正序统计量的步骤，包括：
23、获取所述正序序数模式序列中正序序数模式的总数量，以及获取所述正序序数模式序列中每个正序序数模式的单独数量；
24、根据所述总数量和所述单独数量，计算每个所述正序序数模式的分布概率，以得到正序统计量，所述分布概率为所述单独数量与所述总数量的比值。
25、可选的，按照下式计算时间不可逆性特征：
26、
27、u＝{u(k)：k＝1，2，3，…，m！}
28、v＝{v(k)∶k＝1，2，3，…，m！}
29、其中，jsd(u||v)表示时间不可逆性特征，u为正序统计量，v为逆序统计量，u(k)为正序序数模式的分布概率，v(k)为逆序序数模式的分布概率。
30、可选的，为避免v(k)和u(k)等于零时对jsd(u||v)的影响，按照下式计算时间不可逆性特征：
31、
32、其中，ε为预设的趋于零的正数。
33、可选的，基于所述时间不可逆性特征生成所述脑电信号的心理状态检测结果的步骤，包括：
34、拼接所述脑电信号多个电极的时间不可逆性特征，以得到特征向量；
35、将所述特征向量输入预置的心理状态分类模型，所述心理状态分类模型为基于标记有不同心理状态的脑电信号样本数据训练得到的机器学习模型；
36、获取所述心理状态分类模型输出的心理状态检测结果。
37、可选的，所述方法还包括：
38、获取脑电信号样本数据；
39、以预设数据单位，将所述脑电信号样本数据划分为多个样本数据；
40、按照预设比例将所述样本数据划分为训练集和测试集；
41、构建分类器；
42、基于所述训练集训练所述分类器，以及基于所述测试集验证训练后的所述分类器，以得到所述心理状态分类模型。
43、第二方面，本技术提供一种基于脑电信号时间不可逆性的心理状态检测系统，包括：
44、信号获取模块，用于获取目标对象的脑电信号；
45、特征提取模块，用于提取所述脑电信号的正序脑电序列和逆序脑电序列，所述正序脑电序列为按照时间正序排列的脑电信号，所述逆序脑电序列为按照时间逆序排列的脑电信号；
46、分别对所述正序脑电序列和所述逆序脑电序列执行相空间重构，以得到正序相空间序列和逆序相空间序列；
47、提取所述正序相空间序列的正序序数模式序列，以及提取所述逆序相空间序列的逆序序数模式序列，所述正序序数模式序列包括所述正序相空间序列中每行的正序序数模式，所述正序序数模式用于表示所述正序相空间序列中每行数值的大小关系；所述逆序序数模式序列包括所述逆序相空间序列中每行的逆序序数模式，所述逆序序数模式用于表示所述逆序相空间序列中每行数值的大小关系；
48、计算所述正序序数模式序列的正序统计量，以及计算所述逆序序数模式序列的逆序统计量，所述正序统计量用于表征所述正序序数模式序列中正序序数模式的分布概率；所述逆序统计量用于表征所述逆序序数模式序列中逆序序数模式的分布概率；
49、基于所述正序统计量和所述逆序统计量计算时间不可逆性特征，所述时间不可逆性特征用于表征所述正序统计量与所述逆序统计量之间的差异；
50、心理状态检测模块，用于基于所述时间不可逆性特征生成所述脑电信号的心理状态检测结果。
51、由以上技术方案可知，本技术提供一种基于脑电信号时间不可逆性的心理状态检测方法及系统，所述方法可以在获取到目标对象的脑电信号后，提取脑电信号的正序脑电序列和逆序脑电序列，并执行相空间重构，以得到正序相空间序列和逆序相空间序列。再提取正序相空间序列的正序序数模式序列以及逆序相空间序列的逆序序数模式序列，再计算正序序数模式序列的正序统计量以及逆序序数模式序列的逆序统计量，基于正序统计量和逆序统计量计算时间不可逆性特征，最后基于时间不可逆性特征生成所述脑电信号的心理状态检测结果。所述方法通过计算每个电极脑电信号的时间不可逆性，并利用脑电信号的时间不可逆性的非线性特征，进行心理状态检测，提高心理状态检测的准确率。
1.一种基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，包括：
2.根据权利要求1所述的基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，获取目标对象的脑电信号步骤之后，还包括：
3.根据权利要求1所述的基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，按照下式对所述正序脑电序列执行相空间重构：
4.根据权利要求1所述的基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，提取所述正序相空间序列的正序序数模式序列的步骤，包括：
5.根据权利要求1所述的基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，计算所述正序序数模式序列的正序统计量的步骤，包括：
6.根据权利要求5所述的基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，按照下式计算时间不可逆性特征：
7.根据权利要求6所述的基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，按照下式计算时间不可逆性特征：
8.根据权利要求7所述的基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，基于所述时间不可逆性特征生成所述脑电信号的心理状态检测结果的步骤，包括：
9.根据权利要求8所述的基于脑电信号时间不可逆性的心理状态检测方法，其特征在于，所述方法还包括：
10.一种基于脑电信号时间不可逆性的心理状态检测系统，其特征在于，包括：
