公开(公告)号：CN118466345B

公开(公告)日：2024-11-22

申请号：CN202410696341.0

申请日：2024-05-31

Applicant: 华南理工大学

Inventor： 韩朵 ,  邓晓燕 ,  顾正晖 ,  俞祝良

IPC: G05B19/042

Abstract: 本发明公开了一种基于SSVEP的移动机器人共享控制方法及系统，采用脑电控制指令生成方法得到的脑电控制指令能够让机器人向二维平面内任意方向移动，同时，采用基于TEB的人机冲突消解方法，解决人机冲突问题，让智能规划控制指令跟随脑电控制指令，提高用户对机器人的控制感。此外，对控制权重的分配机制进行了深入研究，以确保能够更好地适应不同的应用场景和用户需求。本发明将机器人和脑电的优势充分结合，提升机器人的智能化操作水平，进一步推进了脑控移动机器人的落地和应用，对该领域的发展具有重要意义。

公开(公告)号：CN114995486B

公开(公告)日：2024-09-20

申请号：CN202210332886.4

申请日：2022-03-31

Applicant: 华南理工大学

Inventor： 杨健 ,  俞祝良 ,  顾正晖 ,  王新

IPC: G05D1/695 ,  G05D109/20

Abstract: 本发明涉及无人机协同控制技术领域，特别涉及一种控制无人机进行避让操作的方法、装置、设备以及存储介质，该方法包括：获取目标无人机以及相邻无人机的状态信息，其中，状态信息包括飞行角度、飞行速度以及位置坐标；根据目标无人机和相邻无人机的状态信息，构建碰撞锥区域，并计算碰撞锥区域的边界值；根据目标无人机和相邻无人机的状态信息、边界值以及预设的运动模型，获取目标无人机与相邻无人机的冲突消解结果；根据冲突消解结果，控制目标无人机和相邻无人机进行避让操作，有效改善了基于飞行规则协调机制的盲目性，能够大幅消除大量无人机在局部环境中飞行存在的混乱场景，提高了空中交通效率。

公开(公告)号：CN118614925A

公开(公告)日：2024-09-10

申请号：CN202410706073.6

申请日：2024-06-03

Applicant: 华南理工大学

Inventor： 张亦灵 ,  顾正晖 ,  俞祝良 ,  宋皓楠 ,  张昊 ,  赵泽辰

IPC: A61B5/16 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00 ,  G06F18/24 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/049 ,  G06N3/084

Abstract: 本发明公开了一种基于改进时序卷积神经网络的情绪脑信号识别方法及系统，包括：利用电极帽采集情绪脑信号，并统计受试者在情绪维度上的自我评价分作为情绪脑信号的情绪标签；将采集到的带有情绪标签的情绪脑信号进行数据预处理，得到去除噪声的情绪脑信号，并将其划分为训练集和测试集；将训练集中的数据输入构建的改进时序卷积神经网络进行训练，利用变分推断和贝叶斯反向传播训练该改进时序卷积神经网络的参数，得到一个训练好的性能最优的改进时序卷积神经网络；调用训练好的改进时序卷积神经网络，对测试集中的数据进行识别，得到情绪脑信号分类结果。本发明可有效实现情绪脑信号的精准识别，具有准确率高、鲁棒性强、时间复杂度低等优点。

公开(公告)号：CN113017645B

公开(公告)日：2022-03-29

申请号：CN202110207669.8

申请日：2021-02-25

Applicant: 华南理工大学

Inventor： 童俊 ,  顾正晖 ,  俞祝良

IPC: A61B5/369 ,  A61B5/00 ,  G06N3/04

Abstract: 本发明公开了一种基于空洞卷积神经网络的P300信号检测方法，包括步骤：1)采用P300字符拼写器进行实验，提取脑电信号即EEG作为训练集和测试集；2)所采集到的数据经过预处理操作，然后作为模型的输入数据集；3)设计空洞卷积神经网络，先使用一层标准卷积作为EEG数据集的空域滤波器，再设计一个基于空洞卷积的特征提取器获取多尺度时域特征，再通过一层标准卷积提取更高层级的时域特征后，经过下采样，最后添加全连接层作为网络输出，然后训练网络确定模型参数；4)通过计算网络的字符识别率和信息转化率来验证模型的性能。本发明方法具有结构简单，泛化能力强，字符识别准确率高，并有良好的信息转化率等特点。

公开(公告)号：CN109222965A

公开(公告)日：2019-01-18

申请号：CN201811104443.X

申请日：2018-09-21

Applicant: 华南理工大学

Inventor： 于承鑫 ,  俞祝良 ,  顾正晖 ,  李远清

IPC: A61B5/0476

Abstract: 本发明公开了一种同步EEG-fMRI的在线去伪迹方法，包括步骤：1)对脑电信号高通滤波；2)对滤波后的信号上采样，并对脑电信号与MRI设备发出的标记进行同步；3)得到带有残留伪迹的信号Sr；4)信号Sr中有残留的梯度伪迹，构造梯度伪迹模板去噪及PCA去噪，得梯度伪迹消除的信号Sc；5)信号Sc中含有ECG，对ECG进行QRS峰检测；6)将ECG按周期的不同进行K均值聚类；7)对每种EEG信号按时间顺序进行重新整合成m段EEG信号，对这m段EEG信号进行OBS处理；8)按原信号的时间顺序进行重构脑电信号，得除去心电伪迹后的EEG信号。本发明可以在扫描采集fMRI图像的同时采集脑电信号，通过去噪算法对伪迹进行实时的去除，得到信噪比较高的脑电信号。

公开(公告)号：CN103488297B

公开(公告)日：2016-04-13

申请号：CN201310461601.8

申请日：2013-09-30

Applicant: 华南理工大学

Inventor： 顾正晖 ,  张锦涛 ,  俞祝良

IPC: G06F3/01

Abstract: 本发明公开了一种基于脑机接口的在线半监督文字输入系统及方法，该系统包括脑电信号采集系统，用于采集用户脑电信号，并对采集到的脑电信号进行处理；信号处理模块，用于将采集的脑电信号进行低通滤波、次数平均和下采样处理，然后将电极帽所有通道的数据依次串接起来构成一个样本特征向量；在线分类模块，用于根据信号处理模块提取的特征，对最小二乘支持向量机分类器进行在线更新并用其进行在线分类；视觉刺激界面，用于诱发用户产生P300信号，并且在该界面上显示用户需要输入的字符，显示最小二乘支持向量机分类器预测的结果。本发明大大减少了用户使用系统之前的训练时间，并且具有准确度高的优点。

公开(公告)号：CN119896587A

公开(公告)日：2025-04-29

申请号：CN202510015188.5

申请日：2025-01-06

Applicant: 华南理工大学

Inventor： 吴英俊 ,  邓晓燕 ,  文垠锞 ,  侯尧 ,  顾正晖 ,  俞祝良

IPC: A61H1/02 ,  A61B5/11 ,  A61B5/372 ,  A61B5/00 ,  G06F18/2415 ,  G06F18/25 ,  G06F18/10 ,  G06N3/0464

Abstract: 本发明公开了一种基于多模态融合的下肢外骨骼康复机器人控制系统，包括：数据获取与预处理模块，用于获取原始EEG脑电信号数据集、实际场景的视觉识别数据集和下肢外骨骼康复机器人的步态数据集，并对原始EEG脑电信号数据集进行预处理，再将预处理后的EEG脑电信号数据集划分为训练集和验证集；数据处理模块，用于对预处理后的EEG脑电信号数据集、实际场景的视觉识别数据集和下肢外骨骼康复机器人的步态数据集进行处理，并构建加权贝叶斯融合网络融合EEG脑电分类结果和视觉分类结果来输出最终分类结果；执行模块，基于最终分类结果来控制下肢外骨骼康复机器人的运动状态。本发明可以有效提高脑卒中患者控制下肢外骨骼康复机器人的分类指令准确性以及康复效果。

公开(公告)号：CN118526210A

公开(公告)日：2024-08-23

申请号：CN202410596503.3

申请日：2024-05-14

Applicant: 华南理工大学

Inventor： 侯尧 ,  顾正晖 ,  俞祝良 ,  谢小峰 ,  徐可

IPC: A61B5/372 ,  G06F18/10 ,  G06F18/213 ,  G06F18/2415 ,  G06N3/006

Abstract: 本发明涉及脑电信号识别的技术领域，公开了一种多维脑电信号识别方法，所述方法包括：采集不同位置的脑电信号，并向脑电信号中加入共振信息进行随机共振处理；构建脑电信号共振消除模型并利用训练数据集进行模型参数训练；采集待识别的原始脑电信号，利用训练得到的脑电信号共振消除模型对原始脑电信号进行共振消除；构建多通道脑电信号识别模型对共振消除后的原始脑电信号进行识别。本发明向所采集脑电信号加入共振信息，得到随机性增强的非稳定性脑电信号构成训练数据集，增强训练后模型对脑电信号进行共振消除的鲁棒性，结合信号的频域功率谱信息以及时域信息进行信号过滤，并结合特征分解信息以及邻近信号值信息提取方式进行信号识别。

公开(公告)号：CN117932306A

公开(公告)日：2024-04-26

申请号：CN202410096835.5

申请日：2024-01-23

Applicant: 华南理工大学

Inventor： 龚子安 ,  顾正晖 ,  陈迪

IPC: G06F18/213 ,  G06F18/214 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08 ,  A61B5/18 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明公开了一种基于深度学习的跨被试驾驶疲劳检测系统，包括：数据处理模块，用于加载被试驾驶过程中的脑电信号并进行处理，得到统一大小和相同特征的驾驶疲劳脑电数据；模型训练模块，设计并搭建了一种结合局部与全局特征的集成网络，利用处理后的驾驶疲劳脑电数据进行训练，得到训练好的集成网络作为主模型；模型微调模块，利用新被试的部分驾驶过程中的脑电数据对主模型进行微调，得到针对该被试的最优检测模型；跨被试驾驶疲劳检测模块，利用最优检测模型进行跨驾驶疲劳检测任务，保存最优模型参数。本发明将深度学习技术与脑机接口技术结合，提高跨被试驾驶疲劳检测性能，提升跨被试驾驶疲劳检测准确率和泛化性。

公开(公告)号：CN108304917B

公开(公告)日：2020-11-24

申请号：CN201810043775.5

申请日：2018-01-17

Applicant: 华南理工大学

Inventor： 肖郴杰 ,  顾正晖 ,  俞祝良

IPC: G06N3/04 ,  G06N3/08 ,  G06F3/01

Abstract: 本发明公开了一种基于LSTM网络的P300信号检测方法，包括步骤：1)采用P300字符拼写器进行实验，提取脑电信号即EEG作为训练集和测试集；2)所采集到的数据经过预处理操作，然后作为模型的输入数据集；3)设计一个LSTM层作为EEG数据集的时空滤波器，LSTM层最后一个时间步后面添加全连接层，再添加Softmax层把网络的输出值转化为概率形式，然后训练网络确定模型参数，其中Softmax层是逻辑函数的泛化形式；4)通过计算模型评价指标以及测试集字符识别率来验证模型的性能。本发明方法具有无需手工提取特征，识别性能好，泛化能力强，并有良好的信息转化率等特点，是一种不错的P300分类算法。