-
公开(公告)号：CN110327043A
公开(公告)日：2019-10-15
申请号：CN201910715578.8
申请日：2019-08-05
Applicant: 哈尔滨工业大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明给出了一种基于稀疏建模的事件相关电位波形图谱求解方法。包括：数据预处理，去燥、分帧和能量归一化；稀疏字典学习，字典初始化，稀疏建模，字典学习和收敛性判断；波形字典聚类；波形字典性质判定。本发明的优点在于：针对数据中固有的事件相关电位活动模式、而非依据认知实验赋予的标签获取ERP波形，不仅可以处理实验环境下的EEG数据，也可以处理没有标签的真实环境下获取的EEG数据，具有更好的普适性和实用性。此外，使用了面向单次、单帧数据处理的信号处理方法，能够有效提升EEG分析处理的灵活性，在脑机接口领域也具有显著的应用前景。
-
公开(公告)号：CN112603335B
公开(公告)日：2023-10-17
申请号：CN202011593744.0
申请日：2020-12-29
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本发明公开了一种脑电情感识别方法、系统、设备及存储介质，脑电情感识别方法包括：获取脑电信号，并将脑电信号进行预处理；将预处理后的所述脑电信号进行微状态分析仪得到微状态序列；根据所述微状态序列与预设参数确定所述脑电信号的情感特征；根据所述情感特征和预设特征数据库确定刺激事件的情感属性，所述预设特征数据库包括：所述情感特征与所述刺激事件的情感属性的匹配信息。本发明通过对预处理后的脑电信号进行微状态分析以得到微状态序列，然后根据微状态序列与预设参数确定情感特征，再通过情感特征与预设特征数据库以确定刺激事件的情感属性，使脑电情感识别准确，且识别率提高。
-
公开(公告)号：CN116596030A
公开(公告)日：2023-08-15
申请号：CN202310578438.7
申请日：2023-05-22
Applicant: 哈尔滨工业大学
IPC: G06N3/045 , G06N3/0464 , G06N3/098 , G06N5/04
Abstract: 本发明涉及神经网络技术领域，具体涉及一种用于深度神经网络广度化变换的方法，该方法将深度神经网络通过多阶笛卡尔扩张变换为具有单层的广度神经网络，具体地，其通过激活函数转换、神经元转换、隐含层转换、网络广度化变换、整体优化等操作将代表性深度神经网络变换为广度神经网络，实现在典型应用中基本保持深度网络性能基础上，大幅降低计算复杂度和参数量，有效提高运行效率。此外，压缩后的广度神经网络模型中的神经元计算彼此独立，使得该模型能够在大规模分布式节点上进行并行计算和部署。
-
公开(公告)号：CN112668717B
公开(公告)日：2023-06-02
申请号：CN202110002440.0
申请日：2021-01-04
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种面向神经网络模型优化的数据处理方法和装置。方法包括：通过计算高阶笛卡尔扩张项，将原有的数据映射到表达能力更强，包含信息更多的高阶笛卡尔扩张空间中。装置包括：输入模块、笛卡尔扩张计算模块和输出模块；输入模块，用于确定并接收用于计算的多维度数据，包括确定输入数据的维度及各维度的数值；笛卡尔扩张计算模块，用于对所述输入模块确定的多维输入数据进行笛卡尔扩张计算；输出模块，根据计算结果，输出用于后续处理的高维度数据。本发明优点在于：在不影响模型效果的前提下降低了后续模型学习的难度，提高了学习效率并提供了分布式并行计算的便利性。
-
公开(公告)号：CN112603335A
公开(公告)日：2021-04-06
申请号：CN202011593744.0
申请日：2020-12-29
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本发明公开了一种脑电情感识别方法、系统、设备及存储介质，脑电情感识别方法包括：获取脑电信号，并将脑电信号进行预处理；将预处理后的所述脑电信号进行微状态分析仪得到微状态序列；根据所述微状态序列与预设参数确定所述脑电信号的情感特征；根据所述情感特征和预设特征数据库确定刺激事件的情感属性，所述预设特征数据库包括：所述情感特征与所述刺激事件的情感属性的匹配信息。本发明通过对预处理后的脑电信号进行微状态分析以得到微状态序列，然后根据微状态序列与预设参数确定情感特征，再通过情感特征与预设特征数据库以确定刺激事件的情感属性，使脑电情感识别准确，且识别率提高。
-
Patent Agency Ranking
公开(公告)号：CN119848615A
公开(公告)日：2025-04-18
申请号：CN202411573670.2
申请日：2024-11-06
Applicant: 哈尔滨工业大学
IPC: G06F18/241 , G06F18/25 , G06F18/213 , G06F18/211 , G06N3/045 , G06N3/0464 , G06N3/0455 , G06N3/0985 , G06F123/02
Abstract: 本发明公开了一种面向运动想象的EEG高时间分辨率脑活动状态表征模型，涉及信号处理技术领域，其技术方案要点是：包括双层状态空间嵌入模块、任务相关评估模块和低维子空间表征模块。本发明采用双层状态空间嵌入模块表示，完整保留时间序列信息，实现高分辨率EEG动态建模，精确捕捉运动想象任务中的脑动力学变化；本发明结合任务相关性度量和低维空间表征，增强特征序列的任务相关影响，减弱噪声影响，在数据稀缺或噪声环境下仍保持高分类精度；本发明不仅在分类准确率上超越了现有模型，还显著提升了对脑动力学过程的理解和分析能力，拓展了EEG解码技术在神经科学研究和脑机接口应用中的潜力。
-
公开(公告)号：CN117193535A
公开(公告)日：2023-12-08
申请号：CN202311202696.1
申请日：2023-09-18
Applicant: 哈尔滨工业大学
IPC: G06F3/01 , G06F18/20 , G06F18/213
Abstract: 一种面向认知增强的认知焦点动态呈现系统和方法，该系统包括佩戴虚拟现实设备和脑电采集设备，通过脑电数据采集和分析，实时展示用户的脑电活动和不同认知分析结果。方法包括：佩戴设备，进行脑电数据采集，通过认知增强任务展示不同场景中的参照物，同时采集用户的实时脑电数据。通过实时脑电数据分析模块，进行SSVEP响应分析、脑地形图分析、疲劳度分析和情绪分析等，并将分析结果进行实时展示。用户可以通过虚拟现实设备观看展示结果，并在虚拟环境中进行交互和任务完成。本发明的优点在于：具有沉浸式体验，能够帮助用户提高认知能力和注意力，改善工作效率和学习效果，具有实时反馈功能和数据可视化，带来更好的娱乐性和参与感。
-
公开(公告)号：CN114343675A
公开(公告)日：2022-04-15
申请号：CN202111614625.3
申请日：2021-12-27
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本发明提出一种脑电成分提取方法，包括：采集原始脑电信号，从原始脑电信号中获取静息脑电信号与激励脑电信号；以静息脑电信号作为取值基础进行卡尔曼滤波模型的参数估算，得出状态预测参数；根据状态预测参数对激励脑电信号进行卡尔曼滤波，以获取滤波后的脑电信号。由于静息脑电信号与激励脑电信号均为原始脑电信号的一部分，因此静息脑电信号与激励脑电信号中的噪声组成成分近似。另外，静息脑电信号反映大脑处于未受刺激状态的脑电信号，信号波动较为稳定，适宜作为提取状态预测参数的取值基础。以静息脑电信号作为取值基础进行参数估算，能够为激励脑电信号的滤波过程提供较高质量的状态预测参数，从而进一步提升脑电成分提取的准确度。
-
公开(公告)号：CN113392259A
公开(公告)日：2021-09-14
申请号：CN202110528102.0
申请日：2021-05-14
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本发明公开了一种声音刺激样本选择方法、控制设备及存储介质，声音刺激样本选择方法包括：获取若干声音刺激样本，并根据声音刺激样本的时长和预设时长范围确定初选声音刺激样本；获取若干初选声音刺激样本的起始点，并将初选声音刺激样本根据起始点对齐；计算对齐后的初选声音刺激样本的原始响度，根据预设响度范围和原始响度调整初选声音刺激样本的响度；将调节响度后的初选声音刺激样本进行趋势分类以确定样本类别；计算调节后若干初选声音刺激样本的特征相似度以得到样本相似度；根据用户预设要求选取所述样本类别、所述样本相似度对应的所述初选声音刺激样本。本发明无需人工操作，提高声音刺激样本选择的准确性和效率。
-
公开(公告)号：CN110443194B
公开(公告)日：2021-09-07
申请号：CN201910715343.9
申请日：2019-08-05
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于SPI稀疏约束的时变信号成分提取方法，包括：a)SPI稀疏性能估计指标及包含SPI指标的时变信号成分估计范式，以及b)一种基于上述范式的时变信号成分提取方法，包括数据预处理、系统初始化、稀疏建模与波形字典学习、时变信号单次特定成分估计及新异类目标成分波形发现等五个独立步骤。本发明的优点是，相对于传统方法，具有不依赖统计平稳性或独立性假设的优势，可以获取更可靠的时变信号特定成分字典和时变信号特定成分的盲估计，且具有非监督的发现未知的目标成分的能力，对具备复杂结构和许多未知或未发现成分的时变信号的分析具有广阔的潜在应用价值。适用于各类面向时变信号成分分析和提取的设备和算法的改进。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.021 seconds)
