一种基于深度学习的fNIRS受损信号复原方法及系统

本发明属于受损信号修复技术领域，涉及一种基于深度学习的fNIRS受损信号复原方法及系统，包括：对fNIRS数据进行预处理，以构建算法模型的数据集；将所述数据集输入深度学习模型进行训练，所述深度学习模型采用时间序列基准模型搭建，并对运动伪影段进行标记，并修复所述运动伪影段，所述时间序列基准模型中将时间变化解耦为周期内变化和周期间变化两种，通过傅里叶变化将一维时间序列转换为包含频域信息的二维张量；将实际获得的fNIRS数据输入经过训练的深度学习模型，输出经过运动伪影矫正的fNIRS数据。其能够有效去除运动伪影干扰，恢复fNIRS信号，具有良好的鲁棒性和泛化性能。