-
公开(公告)号：CN114533086A
公开(公告)日：2022-05-27
申请号：CN202210159354.5
申请日：2022-02-21
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于空域特征时频变换的运动想象脑电解码方法，属于神经信息解码技术领域。本发明使用巴特沃斯带通滤波器获得脑电信号的目标频段，然后使用CSP算法对目标频段进行空域滤波，并将数据做标准化处理，再通过连续小波变换得到信号的时频能量图，时频图作为卷积神经网络的输入，最终得到该段信号的分类结果。本发明可以作为一种结合时间，频率，空间信息的运动想象脑电解码策略，所提出的空域滤波特征提取方法以及卷积神经网络模型搭建为在线脑机接口系统的实现提供了新的思路。
-
公开(公告)号：CN117045261A
公开(公告)日：2023-11-14
申请号：CN202311018346.X
申请日：2023-08-14
Applicant: 昆明理工大学
IPC: A61B5/374 , A61B5/16 , A61B5/00 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种通道注意力残差网络情绪脑电识别方法，属于脑信息解码技术领域。本发明使用巴特沃斯带通滤波器获取原始脑电的目标频段，结合微分熵算法，分别对目标频段获取特征并将其根据电极通道位置转换为4D表示。提取的多频段微分熵特征作为模型的输入，使用通道注意力残差网络对特征进行学习，通道注意力机制能很好地模拟电极通道信息并增强卷积特征学习，并且可以显著提高情绪分类精度。本发明可以作为一种结合时间，频率和空间信息的情绪脑电解码策略，所提出的通道注意力残差网络模型为将来搭建更好的情绪识别框架提供了新的思路。
-
Patent Agency Ranking
公开(公告)号：CN116956111A
公开(公告)日：2023-10-27
申请号：CN202310402550.5
申请日：2023-04-16
Applicant: 昆明理工大学
IPC: G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种基于DenseNet和Bi‑GRU的脑电情感识别方法，属于脑信息解码技术领域。先将原始信号分成n段，并对每段信号使用0.5秒不重叠滑窗处理，然后利用巴特沃斯带通滤波器将原始信号分成需要的若干子频段，对于每个频带分别求微分熵特征，并根据通道位置将特征映射到二维地图上，四个频带的特征叠加并转换为4D表示输入到提出的框架中，DenseNet用于学习空间和频率信息，Bi‑GRU从DenseNet的输出中学习时间序列的前后联系，最后softmax函数对情感进行分类。本发明能很好地捕获整个情感任务过程中的有效特征，并且可以显著提高情感分类精度。
-
公开(公告)号：CN114533086B
公开(公告)日：2023-10-24
申请号：CN202210159354.5
申请日：2022-02-21
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于空域特征时频变换的运动想象脑电解码方法，属于神经信息解码技术领域。本发明使用巴特沃斯带通滤波器获得脑电信号的目标频段，然后使用CSP算法对目标频段进行空域滤波，并将数据做标准化处理，再通过连续小波变换得到信号的时频能量图，时频图作为卷积神经网络的输入，最终得到该段信号的分类结果。本发明可以作为一种结合时间，频率，空间信息的运动想象脑电解码策略，所提出的空域滤波特征提取方法以及卷积神经网络模型搭建为在线脑机接口系统的实现提供了新的思路。
-
公开(公告)号：CN116784868A
公开(公告)日：2023-09-22
申请号：CN202310416230.5
申请日：2023-04-18
Applicant: 昆明理工大学
IPC: A61B5/374 , A61B5/16 , A61B5/00 , G06F18/213 , G06F18/2415 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种基于SimAM注意力机制的空‑时‑频多域脑电特征情绪识别方法，属于基于脑电的情绪识别技术领域。本发明对原始脑电数据进行一系列处理及转换，获取含有四维时空特征表征的时间、频率及空间信息；考虑到大脑内部空间和通道间的注意力存在一种协同关系，采用一种无参且同一权值的SimAM注意力机制，这样不但可以直接估计三维权重而且能够学习到更多的判别特征；利用三维卷积神经网络/二维深度可分离卷积网络学习相对完整且丰富的空频特征信息，利用双向长短时记忆网络学习动态变化的时间特征信息。
-
公开(公告)号：CN115444420A
公开(公告)日：2022-12-09
申请号：CN202211106511.2
申请日：2022-09-12
Applicant: 昆明理工大学
Abstract: 本发明涉及一种基于CCNN和stacked‑BiLSTM的网络情绪识别方法，属于脑电情绪识别技术领域。本发明首先对数据进行预处理:使用巴特沃斯滤波器解码出情绪识别相关的4个频率段theta、alpha、beta、gamma，用0.5s无重叠滑窗对音频刺激下情绪识别有关的60s生理信号数据采用移动平均法消除在实验范式过程中因伪影、噪声等因素造成的情绪上的波动，然后通过提取4个频段上频域特征微分熵以及大脑平面地形图映射出来有关情绪识别脑电通道的脑电空间结构，对滑窗后的大量频域和空间特征多并行的输入到各个连续卷积神经网络中提取出更高语义的空频特征，最后使用堆叠的双向长短时记忆学习充分学习过去以及未来时间切片上的信息。
-
公开(公告)号：CN113780162A
公开(公告)日：2021-12-10
申请号：CN202111054623.3
申请日：2021-09-09
Applicant: 昆明理工大学
Abstract: 本发明公开了一种结合多时段多频段CSP算法的运动想象脑电解码方法，属于神经信息解码领域。本发明在频率特征基础上，采用多个时段和多个频段的特征提取策略，对原始的运动想象脑电信号进行滑动窗口截取，并分离出多个频段的子带信号，结合CSP算法，能够获取到信号在频率域和时间域的全局特征和局部特征。将提取到的多个时间窗的多频段CSP特征作为SVM分类器的输入，得到的识别结果用于参与最终的决策。本发明提出的提取多频段特征的策略可以细化频带信息，提取多时段特征的策略能捕捉到整个运动想象时段中的有效特征，从而显著提高解码精度。本发明提出的脑电解码方法为在线脑机接口系统的实现提供了新的思路。
-
-
-
-
-
-
Search Results
7
records
(took 0.019 seconds)
