-
公开(公告)号：CN119773796A
公开(公告)日：2025-04-08
申请号：CN202411710284.3
申请日：2024-11-27
Applicant: 北京理工大学
IPC: B60W50/08 , B60W50/10 , B60W50/00 , B60W30/095 , G06F3/01
Abstract: 本发明公开了一种基于深度学习环境感知的脑控驾驶方法及系统，方法包括：构建稀疏梯度诱发电位的脑机接口控制范式；基于所述脑机接口控制范式，获取目标脑电信号数据；对目标脑电信号数据进行处理，获取用户控制意图，并将所述用户控制意图映射到驾驶设备的线速度‑角速度空间；基于深度学习网络获取驾驶设备周围环境信息；基于动态环境自适应控制算法，整合所述用户控制意图与所述驾驶设备周围环境信息，进行人机协同控制决策。本发明能够解决现有传统脑控驾驶系统因线速度与角速度的非耦合性控制导致的脑控效率低下，以及难以在复杂动态环境中的适应性问题。
-
公开(公告)号：CN119682764A
公开(公告)日：2025-03-25
申请号：CN202411732793.6
申请日：2024-11-29
Applicant: 北京理工大学
IPC: B60W40/08 , B60W50/00 , G06N3/0464 , G06N3/0475 , G06N3/045 , G06N3/044 , G06N3/08 , G06F18/213 , G06F18/243
Abstract: 本发明公开了一种基于生成式对抗网络和脑机接口的驾驶方法与系统，方法包括：获取用户的原始视觉稳态诱发脑电数据；将原始视觉稳态诱发脑电数据输入卷积‑循环网络融合的生成式对抗网络进行处理，获得增强后的视觉稳态脑电数据，融合原始视觉稳态诱发脑电数据与所述增强后的视觉稳态脑电数据，并进行特征解码，获得解码后的脑电信号特征；将解码后的脑电信号特征编译为脑控驾驶操作指令，控制相应车辆。本发明构建用于增强视觉稳态诱发脑电数据的生成式对抗网络，实现了脑控驾驶场景中各类驾驶操作解码效率的提升，提高了脑控驾驶过程的稳定性。
-
公开(公告)号：CN118161317A
公开(公告)日：2024-06-11
申请号：CN202410279436.2
申请日：2024-03-12
Applicant: 北京理工大学
Abstract: 本发明公开了一种脑控手部外骨骼方法和设备，包括：基于机器视觉试验台的摄像头实时采集视频流，并通过机器视觉算法识别手部骨骼点，基于手部骨骼点生成视觉融合诱发电位范式；使用者通过观看视觉融合诱发电位范式诱发出相应的大脑活动后，获取带有特征的脑电信号，基于TCP/IP协议将脑电信号转发到局域网中；从局域网中获取到预设窗长的脑电信号并通过脑电解码算法进行解码，得到机器控制指令后通过蓝牙转发出去；收到蓝牙转发的机器控制指令后，根据机器控制指令控制电机进行运动，从而带动手部外骨骼的运行，牵引使用者的对应手指完成运动过程。本发明可以提高用户的使用体验，同时提升脑控手部外骨骼的性能。
-
公开(公告)号：CN107451610A
公开(公告)日：2017-12-08
申请号：CN201710609110.1
申请日：2017-07-25
Applicant: 北京理工大学 , 中国人民解放军总医院
CPC classification number: G06K9/6202 , G06K9/44 , G06K9/6215
Abstract: 本发明公开了一种提高特征匹配精度的图像检测方法，属于医学计算机技术领域。本发明对SIFT算法进行改进，利用图像Radon变换得到的值构成特征向量，利用此方法本发明将其从128维降到了24维，从而提高算法的实时性。与此同时，为了配合改进特征向量的匹配，于是本发明选用了两种剔除误匹配的方法，先用结构相似度对匹配点对进行粗剔除，再利用空间几何的分布情况以及对其进行的约束条件实现对匹配点的精剔除。本发明在不影响图像匹配效果的基础上，不仅能够提高配比速度，而且能够提高匹配精度，能实现实时性。
-
公开(公告)号：CN108771534B
公开(公告)日：2019-03-26
申请号：CN201810695360.6
申请日：2018-06-29
Applicant: 北京理工大学 , 中国人民解放军总医院
Abstract: 本发明公开了一种基于多小波变换融合下的脉搏信号特征提取方法，属于噪声处理与信号特征提取技术领域。在数据预处理阶段，使用加权处理的方式由使用不同小波基函数去噪的多个结果得到最终去噪的脉搏波，基于香农定理并使用高斯函数一阶导数进行小波变换寻找脉搏波的主波位置并进行周期划分，并对划分后的周期进行小波包分解与高阶统计量计算以获取特征量。本发明能有效地综合多个去噪的结果，提高了小波变换去噪的准确性，提高了主波提取的精度和脉搏波特征量提取的准确度。
-
Patent Agency Ranking
公开(公告)号：CN108771534A
公开(公告)日：2018-11-09
申请号：CN201810695360.6
申请日：2018-06-29
Applicant: 北京理工大学 , 中国人民解放军总医院
Abstract: 本发明公开了一种基于多小波变换融合下的脉搏信号特征提取方法，属于噪声处理与信号特征提取技术领域。在数据预处理阶段，使用加权处理的方式由使用不同小波基函数去噪的多个结果得到最终去噪的脉搏波，基于香农定理并使用高斯函数一阶导数进行小波变换寻找脉搏波的主波位置并进行周期划分，并对划分后的周期进行小波包分解与高阶统计量计算以获取特征量。本发明能有效地综合多个去噪的结果，提高了小波变换去噪的准确性，提高了主波提取的精度和脉搏波特征量提取的准确度。
-
公开(公告)号：CN108632963A
公开(公告)日：2018-10-09
申请号：CN201810429373.9
申请日：2018-05-08
Applicant: 北京理工大学 , 中国人民解放军总医院
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种基于多媒体传感器的变粒度特征采样方法，属于多媒体传感器能量消耗与储存领域。在多媒体传感器采样过程中，以周期为单位对传感器的剩余能量进行估算，通过隶属阀值函数进行节能模式切换，通过高精度率测量阀值函数进行高精度模式切换，实现变精度采样的采样模式，从而改变周期中，活跃与休眠的时间，从而实现节能以及高精度采样的目标，提升传感器的工作时长和价值。本发明能有效的平衡传感精度和网络生存时间，让两者之间取得一个平衡，同时保证测量的精度和能耗的降低。
-
公开(公告)号：CN118478902A
公开(公告)日：2024-08-13
申请号：CN202410560629.5
申请日：2024-05-08
Applicant: 北京理工大学
Abstract: 本发明公开了一种融合脑机接口技术的人机共驾实现方法与模拟系统，所述方法包括：设置模拟驾驶过程中驾驶员脑力负荷诱发源；根据设置的脑力负荷诱发源，得到驾驶员脑力负荷指数；根据驾驶员驾驶过程中的车辆状态数据，得到驾驶绩效指数；基于驾驶员脑力负荷指数和驾驶绩效指数，构建车辆自适应安全控制模型；基于已构建的车辆自适应安全控制模型，设计融合驾驶员脑力负荷指数的人‑机安全共驾脑机接口模拟控制系统，实现人‑机共驾。本发明将驾驶绩效与驾驶员脑力负荷量化后同时融入到控制模型构建中，实现了人‑机共驾过程中驾驶权限分配过程的人性化、安全化、动态化目标，进一步优化了车辆自适应安全控制模型。
-
公开(公告)号：CN110263760A
公开(公告)日：2019-09-20
申请号：CN201910587766.7
申请日：2019-07-02
Applicant: 北京理工大学 , 中国人民解放军总医院
Abstract: 本发明涉及一种基于病理自适应的心音全变分滤波方法，属于医学计算生物特征识别技术领域；该方法首先通过对输入的原始心音信号添加加性高斯白噪声，筛选得到满足要求的加噪信号，然后对上述加噪信号进行改进的经验模态分解，筛选得到最大相似度时的本征模函数，并对原始心音信号进行分段；使用基于线性系数的追踪演化算法计算原始心音信号不同段的信息熵，并将信息熵作为权重值构建心音信号的l1和限定l1正则化全变分方程，并使用改进的Split-Bregman算法分别求解，最后使用滑动平均法，得到融合两次滤波结果的心音信号。对比现有技术，本发明能够对原始的心音信号进行更为精确的去噪处理，并且，能够实现保留病理信息，为心音图的数字化分析提供基础。
-
公开(公告)号：CN108836305A
公开(公告)日：2018-11-20
申请号：CN201810429640.2
申请日：2018-05-08
Applicant: 北京理工大学 , 中国人民解放军总医院
IPC: A61B5/0402
Abstract: 一种融合巴特沃斯滤波和小波变换的ECG特征提取方法，属于医学计算机技术领域。核心思想为：对原始ECG信号工频干扰进行了去噪处理；同时使用曲线拟合的方式，去基线漂移；在获取到较为精确的ECG信号后，使用差分阈值法和小波变换的方法分别对Q波、R波和S波分别进行定位，与专家标注的信息比对，分别调整阈值、尺度和平移量参数，得到最佳的定位结果。基于上述结果，针对Q波、R波和S波，分别选取差分阈值或者小波变换方法进行定位。本发明能够对原始的ECG信号进行更为精确的去噪处理，并且，能够实现QRS波的精确定位，为心电图的数字化分析提供基础。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.026 seconds)
