公开(公告)号：CN111265214A

公开(公告)日：2020-06-12

申请号：CN202010114457.0

申请日：2020-02-25

Applicant: 杭州电子科技大学

Inventor： 彭勇 ,  李晴熙

IPC: A61B5/0476 ,  A61B5/00 ,  G06F17/16

Abstract: 本发明公开了一种基于数据结构化分解的脑电信号分析方法。大脑不同的皮层之间虽然负责不同的功能，但却会相互影响，易受干扰，这造成了脑电信号的非线性以及非平稳性的特点。本发明如下：1、采集受试者的脑电数据；2、对二维脑电数据进行分解。3、分别求解出全局信息低秩矩阵、公共信息矩阵、噪声矩阵。4、构建样本子空间与识别方案。本发明提供了一种能够区分不同应用场景的新型和有效的生理信号处理方式，能够有效进行脑电信号处理，可以在脑电信号中分离出适合于模式识别的脑电本征部分和差异化部分，以及会影响识别准确率的噪声部分；利用分离出的本征部分和差异化部分，能在多种脑电识别任务中，提高识别的准确率。

公开(公告)号：CN111265214B

公开(公告)日：2022-09-09

申请号：CN202010114457.0

申请日：2020-02-25

Applicant: 杭州电子科技大学

Inventor： 彭勇 ,  李晴熙

IPC: A61B5/0476 ,  A61B5/00 ,  G06F17/16

Abstract: 本发明公开了一种基于数据结构化分解的脑电信号分析方法。大脑不同的皮层之间虽然负责不同的功能，但却会相互影响，易受干扰，这造成了脑电信号的非线性以及非平稳性的特点。本发明如下：1、采集受试者的脑电数据；2、对二维脑电数据进行分解。3、分别求解出全局信息低秩矩阵、公共信息矩阵、噪声矩阵。4、构建样本子空间与识别方案。本发明提供了一种能够区分不同应用场景的新型和有效的生理信号处理方式，能够有效进行脑电信号处理，可以在脑电信号中分离出适合于模式识别的脑电本征部分和差异化部分，以及会影响识别准确率的噪声部分；利用分离出的本征部分和差异化部分，能在多种脑电识别任务中，提高识别的准确率。

公开(公告)号：CN111067513B

公开(公告)日：2022-08-23

申请号：CN201911269218.6

申请日：2019-12-11

Applicant: 杭州电子科技大学

Inventor： 彭勇 ,  李晴熙

IPC: A61B5/372

Abstract: 本发明提供一种特征权重自学习的睡眠质量检测关键脑区判定方法；属于脑电信号识别领域。本发明的睡眠质量评估方法如下：一、首先是对脑电数据的获取与处理。二、对处理之后的脑电数据使用GRLSR模型进行分类并获得特征权重值。三、利用特征权重值筛选关键频段。四、利用特征权重值筛选关键脑区。本发明将半监督学习模型以及脑机接口技术融入到脑电检测领域中，可以筛选出脑电信息检测的关键频段以及关键脑区，并利用关键脑区大幅提高脑电识别的正确率。

公开(公告)号：CN111067513A

公开(公告)日：2020-04-28

申请号：CN201911269218.6

申请日：2019-12-11

Applicant: 杭州电子科技大学

Inventor： 彭勇 ,  李晴熙

IPC: A61B5/0476 ,  A61B5/00

Abstract: 本发明提供一种特征权重自学习的睡眠质量检测关键脑区判定方法；属于脑电信号识别领域。本发明的睡眠质量评估方法如下：一、首先是对脑电数据的获取与处理。二、对处理之后的脑电数据使用GRLSR模型进行分类并获得特征权重值。三、利用特征权重值筛选关键频段。四、利用特征权重值筛选关键脑区。本发明将半监督学习模型以及脑机接口技术融入到脑电检测领域中，可以筛选出脑电信息检测的关键频段以及关键脑区，并利用关键脑区大幅提高脑电识别的正确率。