公开(公告)号：CN113705324A

公开(公告)日：2021-11-26

申请号：CN202110726186.9

申请日：2021-06-29

Applicant: 重庆邮电大学

Inventor： 罗元 ,  何小义 ,  任科 ,  盖新晨

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明请求保护一种基于决策树和CSP‑SVM的多类运动想象脑电信号特征提取与分类方法，该方法包括：S1，对N类运动想象脑电信号进行预处理；S2，利用“一对多”CSP对预处理后的运动想象脑电数据进行处理，从而构建N个空间滤波器并获取脑电信号特征；S3，利用SVM对特征进行分类；S4，根据分类结果挑选最优空间滤波器和SVM的组合来构建决策树分支，从而能辨别其中一类运动想象脑电信号，使得N分类问题变为N‑1分类问题；S5，利用“一对多”CSP和SVM重复构建决策树分支，直到构建一棵能区分所有类的决策树。通过在公开数据集BCI Competition III Data Sets IIIa进行验证，并与相关文献进行对比，结果表明本发明提出的多类运动想象脑电信号特征提取与分类方法具有更好的分类结果。

公开(公告)号：CN113887513B

公开(公告)日：2024-09-24

申请号：CN202111260895.9

申请日：2021-10-28

Applicant: 重庆邮电大学

Inventor： 罗元 ,  任科 ,  何小义

IPC: G06F18/24 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/09

Abstract: 本发明公开了一种基于并行CNN‑Transformer神经网络的运动想象脑电信号分类方法，包括S1，对运动想象脑电信号进行预处理；S2，在预处理后的运动想象脑电信号中添加噪声来扩充数据；S3，对步骤S1和步骤S2处理后的运动想象脑电信号进行时频分析生成包含时间特征、频率特征和位置信息的二维特征图；S4，构建CNN模型，设置网络参数，提取二维特征图中的频率特征和位置信息；S5，构建Transformer模型，设置网络参数，提取二维特征图中的时间特征；S6，将步骤S4和步骤S5提取的特征进行串联，并输入到分类器得到运动想象分类结果。通过在数据集BCI competition IV dataset 2b上进行验证，并与近年来具有良好表现的运动想象分类方法进行比较，实验结果表明，本发明有更好的分类性能。

公开(公告)号：CN113887513A

公开(公告)日：2022-01-04

申请号：CN202111260895.9

申请日：2021-10-28

Applicant: 重庆邮电大学

Inventor： 罗元 ,  任科 ,  何小义

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于并行CNN‑Transformer神经网络的运动想象脑电信号分类方法，包括S1，对运动想象脑电信号进行预处理；S2，在预处理后的运动想象脑电信号中添加噪声来扩充数据；S3，对步骤S1和步骤S2处理后的运动想象脑电信号进行时频分析生成包含时间特征、频率特征和位置信息的二维特征图；S4，构建CNN模型，设置网络参数，提取二维特征图中的频率特征和位置信息；S5，构建Transformer模型，设置网络参数，提取二维特征图中的时间特征；S6，将步骤S4和步骤S5提取的特征进行串联，并输入到分类器得到运动想象分类结果。通过在数据集BCI competition IV dataset 2b上进行验证，并与近年来具有良好表现的运动想象分类方法进行比较，实验结果表明，本发明有更好的分类性能。