-
公开(公告)号：CN114305456A
公开(公告)日：2022-04-12
申请号：CN202111639377.8
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于稳态视觉诱发电位脑电信号的通道选择方法，包括如下步骤：S1、使用脑电采集设备采集稳态视觉诱发电位脑电信号并制作数据集；S2、将数据集中的脑电信号进行预处理；S3、针对预处理后的每组新脑电信号分别进行任务相关成分分析，得到各trial下对应通道的相关系数；S4、根据相关系数选取通道。通过空间滤波的方式抑制每个通道内的自发脑电活动，最大化通道内的任务相关成分；空间滤波后由计算得出的每个通道内对应的相关系数即可确定哪些通道可以更为明显地诱发出SSVEP响应；进而降低特征数据的维度，尽可能的减少通道数，简化了计算难度，提高系统效率和系统识别的性能，使得脑电信号识别系统更加普遍性。
-
Patent Agency Ranking
公开(公告)号：CN114305456B
公开(公告)日：2024-05-03
申请号：CN202111639377.8
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于稳态视觉诱发电位脑电信号的通道选择方法，包括如下步骤：S1、使用脑电采集设备采集稳态视觉诱发电位脑电信号并制作数据集；S2、将数据集中的脑电信号进行预处理；S3、针对预处理后的每组新脑电信号分别进行任务相关成分分析，得到各trial下对应通道的相关系数；S4、根据相关系数选取通道。通过空间滤波的方式抑制每个通道内的自发脑电活动，最大化通道内的任务相关成分；空间滤波后由计算得出的每个通道内对应的相关系数即可确定哪些通道可以更为明显地诱发出SSVEP响应；进而降低特征数据的维度，尽可能的减少通道数，简化了计算难度，提高系统效率和系统识别的性能，使得脑电信号识别系统更加普遍性。
-
公开(公告)号：CN113288181B
公开(公告)日：2022-09-27
申请号：CN202110687040.8
申请日：2021-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于稳态视觉诱发电位脑电信号识别的个体模板重构方法。本发明首先采集大脑皮层枕区上对应电极通道的稳态视觉诱发电位脑电信号数据并预处理；构建人工正‑余弦参考信号，分别选择两种信号质量评价指标，和两种计算方式，计算各训练数据的权重系数，重构包含受试者个体信息的模板信号；分别对脑电信号、人工正‑余弦参考信号和个体模板信号两两之间进行典型相关分析，计算得到的空间滤波器映射到信号上可以得到多种特征；针对本数据集重新选择系数特征组合，与标准扩展典型相关分析相比，重构后的个体模板信号包含了更多的SSVEP响应，提升了算法的识别性能，降低了算法的计算消耗时间。
-
公开(公告)号：CN112465069B
公开(公告)日：2024-02-06
申请号：CN202011478666.X
申请日：2020-12-15
Applicant: 杭州电子科技大学
IPC: G06F18/2415 , G06F18/211 , G06F18/213 , G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于多尺度卷积核CNN的脑电情绪分类方法。选用SEED数据集作为实验数据，使用reliefF算法与多尺度卷积核CNN相结合的特征选择与分类模型进行分类测试；首先对预处理数据提取每个频段上的微分熵特征，并用线性动态系统方法进行特征平滑；其次使用reliefF算法对数据进行特征选择，然后将数据切割成适合作为多尺度卷积核CNN输入的特征样本，并进行归一化处理；最后使用多尺度卷积核CNN对处理的样本进行分类测试。本发明采用将reliefF算法与多尺度卷积核CNN相结合的特征选择与分类模型方法，可以有效的提高情绪脑电信号分类率，对智能人机交互领域和脑电情感识别都具有重要的意义。
-
公开(公告)号：CN113288181A
公开(公告)日：2021-08-24
申请号：CN202110687040.8
申请日：2021-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于稳态视觉诱发电位脑电信号识别的个体模板重构方法。本发明首先采集大脑皮层枕区上对应电极通道的稳态视觉诱发电位脑电信号数据并预处理；构建人工正‑余弦参考信号，分别选择两种信号质量评价指标，和两种计算方式，计算各训练数据的权重系数，重构包含受试者个体信息的模板信号；分别对脑电信号、人工正‑余弦参考信号和个体模板信号两两之间进行典型相关分析，计算得到的空间滤波器映射到信号上可以得到多种特征；针对本数据集重新选择系数特征组合，与标准扩展典型相关分析相比，重构后的个体模板信号包含了更多的SSVEP响应，提升了算法的识别性能，降低了算法的计算消耗时间。
-
公开(公告)号：CN112465069A
公开(公告)日：2021-03-09
申请号：CN202011478666.X
申请日：2020-12-15
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多尺度卷积核CNN的脑电情绪分类方法。选用SEED数据集作为实验数据，使用reliefF算法与多尺度卷积核CNN相结合的特征选择与分类模型进行分类测试；首先对预处理数据提取每个频段上的微分熵特征，并用线性动态系统方法进行特征平滑；其次使用reliefF算法对数据进行特征选择，然后将数据切割成适合作为多尺度卷积核CNN输入的特征样本，并进行归一化处理；最后使用多尺度卷积核CNN对处理的样本进行分类测试。本发明采用将reliefF算法与多尺度卷积核CNN相结合的特征选择与分类模型方法，可以有效的提高情绪脑电信号分类率，对智能人机交互领域和脑电情感识别都具有重要的意义。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
