-
公开(公告)号：CN109965869A
公开(公告)日：2019-07-05
申请号：CN201811539310.5
申请日：2018-12-16
Applicant: 北京工业大学
IPC: A61B5/0476
Abstract: 本发明公开了基于脑源域空间的MI‑EEG识别方法，对采集到的运动想象脑电信号进行共平均参考及带通滤波等预处理；使用标准化低分辨率脑电磁断层扫描成像算法对脑电信号进行逆变换，得到脑源域偶极子偶极矩幅值时间序列；使用数据驱动方法，基于偶极子偶极矩幅值大小进行偶极子的初选，并采用连续小波变换对其进行时频分析，实现偶极子的精选及最优时间段的确定；选用一对一共空间模式算法提取偶极子小波系数功率序列特征，并输入到支持向量机中进行分类。本发明提高空间分辨率的同时，使得其时域、频域、空域信息在偶极子的优选、最优时间段的确定，及特征提取中得以充分利用，对于提高计算效率和分类精度具有重要意义。
-
公开(公告)号：CN108681394A
公开(公告)日：2018-10-19
申请号：CN201810352470.2
申请日：2018-04-19
Applicant: 北京工业大学
Abstract: 本发明公开一种基于脑源成像技术的电极优选方法，利用改进的Fisher准则求得采集到的均匀分布的各个电极的F分数；利用脑电源成像技术，把得到的F分数逆变换到脑皮层，得到相应的脑源分布；求解脑电正问题，即已知脑皮层与头皮层之间的传递矩阵前提下，求得未知电极F分数的估计值；最后，对F分数估计值进行降序排列，选取分数值最高的部分电极作为最优电极。本发明解决了运动想象任务中电极优选依靠经验或者实验采集电极数量大的问题，实现了用少量电极预估计未知电极贡献度并进行电极优选的功能。
-
公开(公告)号：CN105809124A
公开(公告)日：2016-07-27
申请号：CN201610125830.6
申请日：2016-03-06
Applicant: 北京工业大学
IPC: G06K9/00
CPC classification number: G06K9/00523 , G06K9/00536
Abstract: 基于DWT和Parametric t?SNE的运动想象脑电信号的特征提取方法，首先，使用Wigner?Ville分布和功率谱确定脑电特征的有效时、频范围，然后对于特定时间段与频率段的脑电信号进行三层离散小波分解，通过计算其均值、能量均值和均方差等统计特征量作为该脑电信号的时频特征；同时利用参数化t?SNE算法对上述小波系数进行非线性特征映射，并将对应低维空间中的嵌入坐标作为非线性特征；将两种特征标准化得到同时包含特定时频段脑电信号时频信息和非线性信息的特征向量。本发明不仅获得具有紧致性、完备性的脑电特征，还提出以多层前向传播神经网络拟合非线性映射来解决传统流形学习算法在模式分类应用中泛化性能不足的问题，进一步提高了MI?EEG信号的模式分类准确性。
-
公开(公告)号：CN103499923A
公开(公告)日：2014-01-08
申请号：CN201310423384.3
申请日：2013-09-17
Applicant: 北京工业大学
IPC: G05B13/04
Abstract: 本发明涉及一种结构AMD主动控制器，包括处理器核心电路、控制器电源电路、存储器电路、以太网接口电路、RS232通讯电路、LCD及触摸屏电路、传感器信号输入电路、控制输出电路，首先初始化，设置被控结构的初始状态和控制目标给定值，并将被控结构状态划分为M个模糊等级；然后通过位移传感器和速度传感器获得被控结构的状态；接下来计算被控结构状态变量中的第i个分量xi在模糊集合上的隶属度根据被控结构的状态数据得到对应的滑模面参数s；计算自适应模糊滑模控制律。本发明根据模糊系统的万能逼近特性，构建一个变论域的自适应模糊系统f(x)来逼近结构的非线性特性，从而实现了不依赖于精确数学模型的非线性结构自适应模糊滑模控制。
-
公开(公告)号：CN118211099A
公开(公告)日：2024-06-18
申请号：CN202410337860.8
申请日：2024-03-24
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/2131 , G06F18/10 , G06N3/0464 , G06F18/25 , G06N20/00 , G06F18/214
Abstract: 本发明公开了基于堆叠宽度学习系统的运动想象任务增量学习方法，对初始任务的运动想象脑电进行带通滤波，利用小波包变换对滤波后的信号进行时频分解，并经信号重构后获得多个窄带信号；再基于子频带优选和共空间模式算法提取全局空间特征，通过黎曼流形嵌入及特征优选提取局部空间特征；针对初始运动想象任务，将全局、局部空间特征同时输入双分支特征映射层，建立第一个子宽度学习系统，并在增量任务阶段保持系统参数冻结和共享；对于每个增量任务，以残差连接的方式堆叠一个新增子系统以保持对旧任务的记忆，而新增增强节点用于学习新任务特征。本方法已在公开数据集上得到验证，该数据集包含三种上肢不同部位的六类运动想象任务。
-
Patent Agency Ranking
公开(公告)号：CN111582041B
公开(公告)日：2023-06-09
申请号：CN202010291359.4
申请日：2020-04-14
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于CWT和MLMSFFCNN的脑电识别方法，将各导联运动想象脑电信号进行CWT，得到每导联的时频矩阵；然后，截取信号时频矩阵8‑30Hz频带的数据，沿频率轴等分为三个子矩阵；将三个子矩阵分别按列求和，得到三个子序列后，将每个子序列沿时间轴分为三个窗口；结合BCI采集系统导联坐标信息构造MI‑EEG信号复合特征矩阵；MLMSFFCNN通过各个级卷积段输出特征的拼接以及各级卷积的多分支结构实现了特征的融合与多分辨率计算；使用MLMSFFCNN对上述MI‑EEG复合特征矩阵进行监督训练后，进行十折交叉验证，得到最终的分类结果。本发明通过MLMSFFCNN的特征融合能力与多分辨率计算能力使得信号时、频、空域特征信息能够被充分提取，对于提升MI‑EEG信号多域特征表达、分类精度具有重要意义。
-
公开(公告)号：CN112932504B
公开(公告)日：2022-08-02
申请号：CN202110058762.7
申请日：2021-01-16
Applicant: 北京工业大学
IPC: A61B5/372
Abstract: 本发明公开了偶极子成像与识别方法，采用标准化低分辨率脑电磁断层扫描成像sLORETA算法将经过带通滤波后的头皮层脑电信号逆变换到脑皮层；将四类运动想象任务分成两个两分类任务，计算每个两类任务之间的偶极子幅值差值，将其差异明显的共同时段选取为感兴趣时间TOI，并将TOI内每类任务激活的区域取并集，得到感兴趣区域ROI，提取ROI内偶极子的坐标和幅值；再针对每个离散时间点，通过对偶极子坐标进行平移、放大和取整等操作，并将偶极子幅值赋于到对应的坐标点处，构建二维偶极子成像图，再按照时间维度将二维偶极子成像图堆叠成二维图像序列；最后利用滑动时间窗法进行数据增广，获得三维偶极子特征数据，并输入到三维卷积神经网络3DCNN进行分类。
-
公开(公告)号：CN112932503A
公开(公告)日：2021-06-11
申请号：CN202110058756.1
申请日：2021-01-16
Applicant: 北京工业大学
Abstract: 本发明公开了基于4D数据表达和3DCNN的运动想象任务解码方法，对原始运动想象脑电信号MI‑EEG进行基线校正和带通滤波处理；将预处理后的MI‑EEG信号从低维头皮空间映射到高维脑皮层空间，获得偶极子源估计；结合偶极子坐标系转换、插值和体积下采样等操作，构建3D偶极子幅值矩阵；在TOI内设置滑窗，将窗内采样时刻对应的3D偶极子幅值矩阵按照采样顺序堆叠为4D偶极子特征矩阵；设计三模块级联结构的三维卷积神经网络3M3DCNN，对4DDFM含有的三维空间位置信息以及一维时间信息的复合特征进行提取和识别，实现运动想象任务解码；本发明避免了ROI的选择带来的大量信息丢失，并省去了时频分析等复杂操作步骤，有效提高了脑电信号的识别效果。
-
公开(公告)号：CN109199376B
公开(公告)日：2021-04-09
申请号：CN201810956896.9
申请日：2018-08-21
Applicant: 北京工业大学
IPC: A61B5/372
Abstract: 本发明基于OA‑WMNE脑源成像的运动想象脑电信号的解码方法，首先采用基线校正和时域上的叠加平均进行脑电信号的预处理，得到每种运动想象任务的叠加平均信号；进而，采用WMNE脑源成像算法将之逆变换到脑源空间，得到偶极子估计，并根据两种运动想象偶极子波形变化差异确定感兴趣时段区间(TOI)；再对所有单次运动想象脑电信号进行逆变换，并将TOI中每个采样点上所有的偶极子幅值构成特征向量，获得该采样点上的一组特征；然后将所有采样点上的特征构成特征样本集，对其进行零均值标准化处理，并采用单变量特征选择方法进行特征降维；最后利用支持向量机进行特征分类，获得最高平均解码精度，提高了脑电空间分辨率，有利于提高运动想象任务的解码精度。
-
公开(公告)号：CN108681394B
公开(公告)日：2021-03-16
申请号：CN201810352470.2
申请日：2018-04-19
Applicant: 北京工业大学
Abstract: 本发明公开一种基于脑源成像技术的电极优选方法，利用改进的Fisher准则求得采集到的均匀分布的各个电极的F分数；利用脑电源成像技术，把得到的F分数逆变换到脑皮层，得到相应的脑源分布；求解脑电正问题，即已知脑皮层与头皮层之间的传递矩阵前提下，求得未知电极F分数的估计值；最后，对F分数估计值进行降序排列，选取分数值最高的部分电极作为最优电极。本发明解决了运动想象任务中电极优选依靠经验或者实验采集电极数量大的问题，实现了用少量电极预估计未知电极贡献度并进行电极优选的功能。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.019 seconds)
