-
公开(公告)号：CN118244897A
公开(公告)日：2024-06-25
申请号：CN202410387414.8
申请日：2024-04-01
Applicant: 燕山大学
Inventor： 赵靖
IPC: G06F3/01 , G06F18/213 , G06F18/2411 , G06V20/40 , G06F18/25
Abstract: 本发明公开了一种融合脑机接口和混合现实交互的多被控对象脑控方法，属于智能家居控制；S1：建立脑控平台，S2：使用者开启设备控制模式，上位机平台主动获取当前所有智能家居的设备状态S3：在相应位置上添加虚拟闪烁功能按键；S4：得到当前选取的稳态视觉诱发电位SSVEP指令，S5：将控制指令发送至该设备的通信地址，进行智能家居的调整；本发明采用上述方法，将SSVEP‑BCI与混合现实(MR)这一全新的数字全息影像技术进行了融合，以实际环境为载体，将虚拟刺激源自适应地叠加或者合成到真实世界中，能够增加SSVEP‑BCI的可控设备数量和可输出指令数量，得以满足智能家居控制要求，而且能够根据视野内的设备属性自适应调整虚拟闪烁功能键和控制指令。
-
公开(公告)号：CN112070141B
公开(公告)日：2024-02-02
申请号：CN202010905746.2
申请日：2020-09-01
Applicant: 燕山大学
IPC: G06F18/2411 , G06F18/25 , G06N3/045 , G06F3/01
Abstract: 本发明公开了一种融合注意力检测的SSVEP异步分类方法，该方法是同时采集大脑额区和枕区的脑电数据后，在离线训练阶段，记录空闲状态数据集和控制状态下各频率目标数据集，训练一种注意力检测算法和一种频率识别算法；在在线分类阶段，同时使用训练好的注意力检测算法和频率识别算法处理实时脑电信号，分别计算两种算法的分类结果及其置信度，然后根据置信度对两者的分类结果进行融合，输出最终的异步控制指令。本发明分类精度高、误触发率低，能够有效提高现有频率识别算法的异步分类性能。
-
公开(公告)号：CN112070141A
公开(公告)日：2020-12-11
申请号：CN202010905746.2
申请日：2020-09-01
Applicant: 燕山大学
Abstract: 本发明公开了一种融合注意力检测的SSVEP异步分类方法，该方法是同时采集大脑额区和枕区的脑电数据后，在离线训练阶段，记录空闲状态数据集和控制状态下各频率目标数据集，训练一种注意力检测算法和一种频率识别算法；在在线分类阶段，同时使用训练好的注意力检测算法和频率识别算法处理实时脑电信号，分别计算两种算法的分类结果及其置信度，然后根据置信度对两者的分类结果进行融合，输出最终的异步控制指令。本发明分类精度高、误触发率低，能够有效提高现有频率识别算法的异步分类性能。
-
公开(公告)号：CN109924975A
公开(公告)日：2019-06-25
申请号：CN201910271446.0
申请日：2019-04-04
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/16 , A61B5/00
Abstract: 本发明涉及一种基于复杂脑网络分析的注意力水平检测方法，是把采集到的专注状态和放松状态下的数据通过相空间重构来构造复杂网络，通过经验统计来选择嵌入维数、时间延迟和阈值参数，求出两种状态下数据的特征值，利用特征值来训练分类器，最后实时采集脑电信号，使用训练好的参数对每1s的数据进行处理，计算用户的注意力水平指数；并把分类结果、特征值和波形曲线在处理器屏幕上显示出来，实现用户的在线分类并且可以看到分类结果。本专利操作简单、实时性强，对用户注意力水平指数能够进行有效准确的分类。
-
公开(公告)号：CN114098765B
公开(公告)日：2024-09-20
申请号：CN202111395249.3
申请日：2021-11-23
Applicant: 燕山大学
Abstract: 本发明公开了多通道高频脑电波耦合的脑网络参数特征提取方法及装置，属于脑‑机接口技术领域，该方法包括：采集受试对象脑电信号并从中提取子频带；根据子频带，获取子频带同步耦合特征矩阵；通过稀疏化子频带同步耦合特征矩阵作为连接矩阵构建脑网络并从中提取脑网络参数；通过脑网络参数加权求和建立脑网络特征参数集合；该装置包括采集单元、获取单元、构建脑网络单元以及设定单元，本发明提高了脑电信号中与任务相关成分的信噪比，提高了对快速序列视觉呈现下对目标识别的准确率，建立在快速序列视觉呈现任务状态下的脑网络与脑电响应的内在关系，也可以帮助研究大脑认知行为过程中大脑资源整合的方式。
-
Patent Agency Ranking
公开(公告)号：CN110991406B
公开(公告)日：2023-04-18
申请号：CN201911317967.1
申请日：2019-12-19
Applicant: 燕山大学
IPC: G06F18/10 , A61B5/372 , G06F18/2135 , G06F18/24 , G06F18/2411 , G06F18/213
Abstract: 本发明涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。该方法包括：获取待检测图像；将待检测图像进行分割和放大，得到待检测图片序列；获取观测者观测待检测图片序列的脑电信号数据；待检测图片序列通过RSVP技术呈现给观测者；采用任务相关成分分析方法，提取脑电信号数据中每个待检测图片对应的相关成分特征；根据相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值；判断预测分值是否大于预测阈值；如果是，将预测分值对应的待检测图片确定为目标图像；如果否，将预测分值对应的待检测图片确定为非目标图像。本发明可以提高弱小目标检测的准确度。
-
公开(公告)号：CN113143291B
公开(公告)日：2023-02-03
申请号：CN202110513371.X
申请日：2021-05-11
Applicant: 燕山大学
Abstract: 本发明公开了一种基于快速序列视觉呈现下的脑电信号特征提取方法，该方法考虑了RSVP脑电信号在不同节律能量分布不均且在gamma节律上具有显著的时‑频‑空能量特征，将gamma节律脑电信号分解为多个时、频子成分，采用共空间模式方法对每个子成分的多通道信号进行空间滤波，采用线性判别分析算法分别对各个子成分进行加权整合，从而得到RSVP脑电信号gamma节律的时‑空‑频特征集来实现RSVP范式下的目标图像识别，能有效提高RSVP范式下图像识别的准确率。
-
公开(公告)号：CN113143291A
公开(公告)日：2021-07-23
申请号：CN202110513371.X
申请日：2021-05-11
Applicant: 燕山大学
Abstract: 本发明公开了一种基于快速序列视觉呈现下的脑电信号特征提取方法，该方法考虑了RSVP脑电信号在不同节律能量分布不均且在gamma节律上具有显著的时‑频‑空能量特征，将gamma节律脑电信号分解为多个时、频子成分，采用共空间模式方法对每个子成分的多通道信号进行空间滤波，采用线性判别分析算法分别对各个子成分进行加权整合，从而得到RSVP脑电信号gamma节律的时‑空‑频特征集来实现RSVP范式下的目标图像识别，能有效提高RSVP范式下图像识别的准确率。
-
公开(公告)号：CN110991406A
公开(公告)日：2020-04-10
申请号：CN201911317967.1
申请日：2019-12-19
Applicant: 燕山大学
IPC: G06K9/00 , G06K9/62 , A61B5/0476
Abstract: 本发明涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。该方法包括：获取待检测图像；将待检测图像进行分割和放大，得到待检测图片序列；获取观测者观测待检测图片序列的脑电信号数据；待检测图片序列通过RSVP技术呈现给观测者；采用任务相关成分分析方法，提取脑电信号数据中每个待检测图片对应的相关成分特征；根据相关成分特征，基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型，得到每个待检测图片的预测分值；判断预测分值是否大于预测阈值；如果是，将预测分值对应的待检测图片确定为目标图像；如果否，将预测分值对应的待检测图片确定为非目标图像。本发明可以提高弱小目标检测的准确度。
-
公开(公告)号：CN114098765A
公开(公告)日：2022-03-01
申请号：CN202111395249.3
申请日：2021-11-23
Applicant: 燕山大学
Abstract: 本发明公开了多通道高频脑电波耦合的脑网络参数特征提取方法及装置，属于脑‑机接口技术领域，该方法包括：采集受试对象脑电信号并从中提取子频带；根据子频带，获取子频带同步耦合特征矩阵；通过稀疏化子频带同步耦合特征矩阵作为连接矩阵构建脑网络并从中提取脑网络参数；通过脑网络参数加权求和建立脑网络特征参数集合；该装置包括采集单元、获取单元、构建脑网络单元以及设定单元，本发明提高了脑电信号中与任务相关成分的信噪比，提高了对快速序列视觉呈现下对目标识别的准确率，建立在快速序列视觉呈现任务状态下的脑网络与脑电响应的内在关系，也可以帮助研究大脑认知行为过程中大脑资源整合的方式。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.014 seconds)
