-
-
公开(公告)号：CN110327043B
公开(公告)日：2022-04-01
申请号：CN201910715578.8
申请日：2019-08-05
Applicant: 哈尔滨工业大学
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：CN112668717A
公开(公告)日：2021-04-16
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：CN110580521A
公开(公告)日：2019-12-17
申请号：CN201910875365.1
申请日：2019-09-17
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种自组织协同神经网络模型学习及构建方法，学习方法包括：数据预处理；网络初始化；基于SOM网络的原型模式自学习。构建方法包括：伴随模式计算；在计算得出伴随模式矩阵后，原型模式矩阵作为连接输入层和序参量层的权值，伴随模式矩阵作为连接序参量层和输出层的权值，网络开始工作。本发明的优点是：改进了SNN网络模型，通过原型模式及其伴随模式还有序参量的重定义，克服了SNN结构单一、扩展性较差的问题。在此基础上，通过引入Kohonen网络层，与SNN的序参量层结合，基于序参量原型模式与输入样本相似程度的实际意义，解决了SNN工作过程中全局调控困难的问题。
-
公开(公告)号：CN113392259B
公开(公告)日：2022-11-29
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。
-
Patent Agency Ranking
公开(公告)号：CN114333909A
公开(公告)日：2022-04-12
申请号：CN202111626611.3
申请日：2021-12-28
Applicant: 深圳航天科技创新研究院 , 哈尔滨工业大学
Abstract: 本公开实施例提供一种情感识别方法及其装置、计算机设备、存储介质，属于计算机信息处理技术领域，所述方法包括：获取音频信号；对所述音频信号进行分帧处理，得到多个分帧信号，提取多个所述分帧信号的声学特征；根据所述声学特征构建第一特征矩阵；获取所述声学特征对应的情感打分值；根据所述情感打分值构建第二特征矩阵；根据所述第一特征矩阵和所述第二特征矩阵从多个所述声学特征中选择目标声学特征；根据所述目标声学特征构建情感预测模型，根据所述情感预测模型进行情感识别，原理简单，计算量小，音频信号的情感识别无需人工操作，减少了人工对音频的情感标注工作，情感识别的准确率高。
-
公开(公告)号：CN110570878A
公开(公告)日：2019-12-13
申请号：CN201910881274.9
申请日：2019-09-18
Applicant: 哈尔滨工业大学
IPC: G10L25/18
Abstract: 本发明公开了一种基于短时离散谐波变换的音色特征提取方法，包括：用基于三电平中心削波互相关函数法提取基音周期估计值，并基于基音周期获得对音频信号的谐波结构信息进行提取的频域变换方法，进一步提取谐波结构信息，构建音色谐波谱特征，用于对音频音色特征的提取。本发明的优点是：可以解决现有技术中对音频谐波结构信息提取不足，且使用的相关音色特征数目庞大，信息冗余，效率低下的问题，获得具有稀疏性的音频谐波结构信息提取方法。
-
公开(公告)号：CN110443194A
公开(公告)日：2019-11-12
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。
-
公开(公告)号：CN113729711B
公开(公告)日：2023-10-13
申请号：CN202111162392.8
申请日：2021-09-30
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信号分析方法、装置、设备及存储介质，属于计算机技术领域。本发明的脑电信号分析方法包括获取脑电信号；对脑电信号进行信号预处理，得到标准脑电信号；对标准脑电信号进行特征提取，得到脑电频域特征和脑电轮廓特征；根据预设的调整参数，对脑电频域特征和脑电轮廓特征进行微调处理，得到标准脑电频域特征和标准脑电轮廓特征；将标准脑电频域特征、标准脑电轮廓特征以及预设的情绪特征序列输入至预设的回归模型中进行情绪识别处理，得到脑电情绪数据。这种脑电信号分析方法能够提高情绪识别的准确性。
-
公开(公告)号：CN113729711A
公开(公告)日：2021-12-03
申请号：CN202111162392.8
申请日：2021-09-30
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信号分析方法、装置、设备及存储介质，属于计算机技术领域。本发明的脑电信号分析方法包括获取脑电信号；对脑电信号进行信号预处理，得到标准脑电信号；对标准脑电信号进行特征提取，得到脑电频域特征和脑电轮廓特征；根据预设的调整参数，对脑电频域特征和脑电轮廓特征进行微调处理，得到标准脑电频域特征和标准脑电轮廓特征；将标准脑电频域特征、标准脑电轮廓特征以及预设的情绪特征序列输入至预设的回归模型中进行情绪识别处理，得到脑电情绪数据。这种脑电信号分析方法能够提高情绪识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.022 seconds)
