公开(公告)号：CN119475109B

公开(公告)日：2025-04-08

申请号：CN202510067971.6

申请日：2025-01-16

Applicant: 杭州电子科技大学

Inventor： 王扬镔 ,  张建海

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/25

Abstract: 本发明公开一种基于数据增强和多模态特征融合的运动想象脑电信号分类识别方法及系统。本发明对原始脑电数据进行基于时间序列分解和预测的数据增强；对数据增强后数据和原始数据进行时间序列分割，再将同一时间窗口内所有通道时序块进行堆叠后再提取时序特征；对数据增强后数据和原始数据进行时频分析后提取时频图像特征；将时序特征和时频图像特征拼接后输入到分类器，得到运动想象分类结果。本发明提出基于时间序列分解和预测的时序数据增强技术，为下游基于深度学习的脑电分类模型提供更充足的训练样本，提升模型的泛化能力和分类效果。还利用时序和时频进行多模态特征提取，进一步提升脑电信号分类识别的效果。

公开(公告)号：CN119475109A

公开(公告)日：2025-02-18

申请号：CN202510067971.6

申请日：2025-01-16

Applicant: 杭州电子科技大学

Inventor： 王扬镔 ,  张建海

IPC: G06F18/2415 ,  G06F18/214 ,  G06F18/25

Abstract: 本发明公开一种基于数据增强和多模态特征融合的运动想象脑电信号分类识别方法及系统。本发明对原始脑电数据进行基于时间序列分解和预测的数据增强；对数据增强后数据和原始数据进行时间序列分割，再将同一时间窗口内所有通道时序块进行堆叠后再提取时序特征；对数据增强后数据和原始数据进行时频分析后提取时频图像特征；将时序特征和时频图像特征拼接后输入到分类器，得到运动想象分类结果。本发明提出基于时间序列分解和预测的时序数据增强技术，为下游基于深度学习的脑电分类模型提供更充足的训练样本，提升模型的泛化能力和分类效果。还利用时序和时频进行多模态特征提取，进一步提升脑电信号分类识别的效果。