基于原型聚类域适应算法的跨被试EEG认知状态识别方法

    公开(公告)号:CN112580518A

    公开(公告)日:2021-03-30

    申请号:CN202011526572.5

    申请日:2020-12-22

    Abstract: 本发明公开了一种基于原型聚类域适应算法的跨被试EEG认知状态识别方法。本发明引入了类别域的概念,一方面基于标签的多源域对齐,考虑不同类间的特征分布差异,研究特征空间中不同源域间类条件下的结构细粒度对齐,将多源域域内类别不平衡问题转化为类别域的方式。另一方面,源域和目标域之间的原型理论聚类对齐,即以动态调整原型中心为约束对目标域进行相似源域间的聚类,实现域间同类特征相近,异类特征相疏。前者实现域内类条件结构特征对齐,后者实现全局细粒度结构特征对齐。本发明能够兼容类别平衡和不平衡的情况,有效解决了脑认知计算领域脑电信号的个体差异性问题,具有较强的泛化能力,能够很好的适用于临床诊断和实际应用。

    基于微波传感器的新型高精度介电常数测试系统

    公开(公告)号:CN110531165A

    公开(公告)日:2019-12-03

    申请号:CN201910766954.6

    申请日:2019-08-20

    Abstract: 本发明公开基于微波传感器的新型高精度介电常数测试系统。本发明包括宽带宽的信号扫频源、差分传感器、数据转换模块、数据存储模块。由于差分传感器的参考谐振器和测量谐振器放置不同介电常数的被测物质,输出两路功率信号之间存在频率差,将这两路谐振器的输出信号接入数据转换模块,最后得出电压峰值偏移信号对应的量化的相对频率差,由于频率差与量化的电压峰值偏移信号一一对应,而频率差又与介电常数一一对应,因此根据电压信号反演出待测介质的介电常数。本发明克服了现有传感器需要借助矢量网络分析仪对待测样品进行测量不方便的特点,该系统可以不借助矢量网络分析仪比较方便快捷准确地得到被测物质的介电常数。

    一种用于测量介电常数的微型双层磁耦合微波传感器

    公开(公告)号:CN108872710A

    公开(公告)日:2018-11-23

    申请号:CN201810419905.0

    申请日:2018-05-04

    Abstract: 本发明公开一种用于测量介电常数的微型双层磁耦合微波传感器。本发明包括介质基板、顶层SRRs环、底层馈电环;介质基板的底层正中心印刷馈电环并延伸出馈电长脚用于连接SMA连接头;介质基板的顶层正中心印刷耦合SRRs环;沿着SRRs的两条平行的金属条为电场强度最大的区域,该区域放置待测样本最大化传感器对介电常数的灵敏度。该传感器不仅具备对介电常数精确测量的优良性能(高Q值和高灵敏度),而且具有很高的实用性(超小的电尺寸和强抗干扰能力)。

    一种用于测量介电常数的微型三层磁耦合微波传感器

    公开(公告)号:CN108872266A

    公开(公告)日:2018-11-23

    申请号:CN201810419931.3

    申请日:2018-05-04

    Abstract: 本发明公开一种用于测量介电常数的微型三层磁耦合微波传感器。本发明包括上层介质基板、顶层SRRs环、中间层馈电环、下层介质基板、底层SRRs环;上层介质基板的底层正中心印刷馈电环并延伸出馈电长脚;上层介质基板的顶层正中心印刷耦合顶层SRRs环;下层介质基板的底层正中心印刷耦合底层SRRs环,该SRRs的尺寸与顶层SRRs一样但开口方向相反;沿着顶层SRRs环的两条平行的金属条为电场强度最大的区域,该区域放置待测样本最大化传感器对介电常数的灵敏度。该传感器不仅具备对介电常数精确测量的优良性能(高Q值和高灵敏度),而且具有很高的实用性(超小的电尺寸和强抗干扰能力)。

    一种基于自编码压缩感知的空间光信号传输方法

    公开(公告)号:CN118971975B

    公开(公告)日:2024-12-20

    申请号:CN202411401399.4

    申请日:2024-10-09

    Abstract: 本发明公开了一种基于自编码压缩感知的空间光信号传输方法,该方法首先通过将发射的射频信号幅度调制到多波长光载波与伪随机序列混合,并实现信号的随机亚采样。其次将随机亚采样的信号经准直器将空间光信号耦合至光纤中,再经过光电转换器转将光信号转化为电信号,获得压缩采样后的信号波形图像。然后利用示波器采集原始射频信号波形图像,构建信号数据集输入基于自编码器构建的信号重建网络模型,进行预训练。最后将压缩采样后的波形图像组成数据集,对预训练后的信号重建网络模型进行微调,输出重建后的波形图像。本发明有效解决重构过程计算成本过高且实时性有限问题,在相同压缩比情况下能获得更高质量的重建结果。

    一种基于深度学习及图像特征的脑电数据分类方法

    公开(公告)号:CN113988122B

    公开(公告)日:2024-11-15

    申请号:CN202111212519.2

    申请日:2021-10-19

    Abstract: 本发明公开了一种基于深度学习及图像特征的脑电数据分类方法。使用EEGnet作为特征分类的方法,图像特征学习网络作为重要处理方式,通过对EEG信号进行图像特征提取及学习,对特征进行分类。获取EEG数据并预处理;用被试观看的图片做数据预处理,并用EEGnet对图像数据做训练,得到图像特征分类器;用特征学习方法从脑电数据中得到图像特征向量;将EEG信号提取出的图像特征向量放入特征分类器中分类。在EEG数据的图像特征分类领域中,与传统的机器学习、深度学习方法相比,本发明特征提取方法拥有更好的提取效果,图像特征分类的准确率得到了显著提升。

    基于EEG的认知功能可视化系统

    公开(公告)号:CN114259241B

    公开(公告)日:2024-03-29

    申请号:CN202111547901.9

    申请日:2021-12-16

    Abstract: 本发明公开了一种基于EEG的认知功能可视化系统。本发明包括可视化模块、数据计算模块和存储模块。可视化模块主要基于Unity3D平台,用于交互操作和可视化的效果实现,能够通过交互调用数据计算模块、读取本地存储模块内的数据;数据计算模块主要是一些Python文件,用于从存储模块读取数据后执行所需程序,将结果反馈到可视化显示模块以及将数据保存到本地存储模块内;存储模块用于存储数据。本发明使用方便、快速准确,从通道和脑区多个角度展现连通性可视化效果,使用多个功能连通性指标多方面分析大脑功能连通性,研究静态以及动态脑功能连通性的3D变化,从而便于研究人员分析和判断脑认知功能。

    基于SIW-CSRR的用于测量介电常数的微波传感器

    公开(公告)号:CN110531164B

    公开(公告)日:2022-05-13

    申请号:CN201910766950.8

    申请日:2019-08-20

    Abstract: 本发明公开基于SIW‑CSRR的用于测量介电常数的微波传感器。本发明包括介质层、顶层金属层、底层金属层;顶层金属层刻槽有两个金属CSRR结构;上述两个金属CSRR结构由大小不同的两个开口环谐振器构成,其中开口环谐振器为开口槽环;较小开口环谐振器内嵌在较大开口环谐振器内;两个开口环谐振器的开口方向相反;较大开口环谐振器开口处至较小开口环谐振器的空间位置为电场强度最大、磁场强度最小的区域,该区域放置待测样品。本发明产品抗干扰能力更强,结构更简单,低成本,便于携带且该传感器的灵敏度和质量因子表现的很好,同时该新型微波谐振器的Q值达到786.5,很适用于精确测量磁介质材料的介电常数。

Patent Agency Ranking