公开(公告)号：CN106682406A

公开(公告)日：2017-05-17

申请号：CN201611153111.1

申请日：2016-12-12

Applicant: 西北工业大学

Inventor： 谢松云 ,  李亚兵 ,  段绪 ,  王伟 ,  冯怀北

IPC: G06F19/00

CPC classification number: G16H50/50

Abstract: 本发明提出了一种基于灰色理论和非线性动力学相结合的GM‑GP算法的睡眠状态监测方法，其步骤包括：(1)采用数据提升的方法(坐标平移)对原始EEG进行预处理，并进行累加生成，建立GM(1,1)灰色模型；(2)利用GM(1,1)模型提取特征，求取相应的参数b；(3)对灰色模型参数b确定GP算法的嵌入维度和延迟时间；(4)对参数b进行相空间重构，并计算累计分布积分；(5)线性拟合求出相应的关联维数，从而确定睡眠状态。本发明通过灰建模和GP算法相结合的方法，可以有效地分析大脑功能状态，实现对睡眠状态的实时监控。

公开(公告)号：CN106682406B

公开(公告)日：2019-02-01

申请号：CN201611153111.1

申请日：2016-12-12

Applicant: 西北工业大学

Inventor： 谢松云 ,  李亚兵 ,  段绪 ,  王伟 ,  冯怀北

IPC: G16H50/50

Abstract: 本发明提出了一种基于灰色理论和非线性动力学相结合的GM‑GP算法的睡眠状态监测方法，其步骤包括：(1)采用数据提升的方法(坐标平移)对原始EEG进行预处理，并进行累加生成，建立GM(1,1)灰色模型；(2)利用GM(1,1)模型提取特征，求取相应的参数b；(3)对灰色模型参数b确定GP算法的嵌入维度和延迟时间；(4)对参数b进行相空间重构，并计算累计分布积分；(5)线性拟合求出相应的关联维数，从而确定睡眠状态。本发明通过灰建模和GP算法相结合的方法，可以有效地分析大脑功能状态，实现对睡眠状态的实时监控。

公开(公告)号：CN107292329B

公开(公告)日：2020-10-16

申请号：CN201710256389.X

申请日：2017-04-19

Applicant: 西北工业大学

Inventor： 谢松云 ,  陈刚 ,  段绪 ,  谢辛舟 ,  冯怀北

IPC: G06K9/62

Abstract: 本发明提出了一种基于完备信息共空间模式的事件想象分类方法，其步骤包括：(1)将原数据进行预处理后，用白化矩阵对两类想象信号协方差矩阵白化，并进行特征值分解得到特征值向量B；(2)将特征值向量B按特征值大小降序排列，选取首尾特征向量B1和中间特征向量B2；(3)计算首尾特征向量投影矩阵Q1，和中间特征向量的投影矩阵Q2；(4)将经过预处理的两类数据分别通过Q1，Q2投影至Zi，再计算Zi的协方差矩阵，得到首尾特征矩阵与中间高维特征矩阵。(5)将中间高维特征矩阵降维至最优维数，再与首尾特征矩阵组合成完备特征向量。本发明通过共空间模式与高维特征降维相结合的方法，提取的完备特征信息可以有效地提高对事件想象信号分类的正确率，降低想象事件训练复杂度，缩短训练时间，提高了BCI系统的普适性，并且还能优化其他CSP改进算法族的分类性能。

公开(公告)号：CN107292329A

公开(公告)日：2017-10-24

申请号：CN201710256389.X

申请日：2017-04-19

Applicant: 西北工业大学

Inventor： 谢松云 ,  陈刚 ,  段绪 ,  谢辛舟 ,  冯怀北

IPC: G06K9/62

Abstract: 本发明提出了一种基于完备信息共空间模式的事件想象分类方法，其步骤包括：(1)将原数据进行预处理后，用白化矩阵对两类想象信号协方差矩阵白化，并进行特征值分解得到特征值向量B；(2)将特征值向量B按特征值大小降序排列，选取首尾特征向量B1和中间特征向量B2；(3)计算首尾特征向量投影矩阵Q1，和中间特征向量的投影矩阵Q2；(4)将经过预处理的两类数据分别通过Q1，Q2投影至Zi，再计算Zi的协方差矩阵，得到首尾特征矩阵与中间高维特征矩阵。(5)将中间高维特征矩阵降维至最优维数，再与首尾特征矩阵组合成完备特征向量。本发明通过共空间模式与高维特征降维相结合的方法，提取的完备特征信息可以有效地提高对事件想象信号分类的正确率，降低想象事件训练复杂度，缩短训练时间，提高了BCI系统的普适性，并且还能优化其他CSP改进算法族的分类性能。