-
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：CN114137832B
公开(公告)日：2024-03-29
申请号：CN202111248265.X
申请日：2021-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明通过在经典因果分析方法传递熵的基础上，结合统计学中的Copula函数推广至高维形式的传递熵，并利用正则藤Copula函数来估计，提出一种有效的R‑Vine Copula多变量传递熵的新方法。首先，与已有算法在一系列模拟数据上进行比较，验证了该方法多变量因果分析性能。其次，将该方法应用在执行不同的腕部运动任务时的多通道肌电信号分析。在肌间耦合关系应用中发现，神经肌肉系统在执行不同的腕部运动任务时，如腕展、腕径向偏等，形成了两个与关节区域相联系且具有稳定因果耦合关系的社区结构。R‑Vine Copula多变量传递熵对复杂的因果耦合关系作出了准确推断，具有良好的应用价值。
-
公开(公告)号：CN115644894A
公开(公告)日：2023-01-31
申请号：CN202211421528.7
申请日：2022-11-14
Applicant: 杭州电子科技大学
IPC: A61B5/374 , G06F18/24 , G06F18/25 , G06F18/214 , G06N20/00
Abstract: 本发明涉及一种基于优化时空特征提取的脑电信号对抗域适应方法，先对采集所得的运动想象脑电信号进行带通滤波预处理和归一化等操作，再采用包括集成通道和空间的卷积注意力模块和方差时序层等模块的特征提取器分别在空间维度和时间维度上提取运动想象脑电信号的特征，再运用基于Wasserstein距离的对抗域适应方法来对齐源域被试和目标域被试的数据分布，通过梯度下降法来优化求解参数，从而缩小Wasserstein距离，减小不同被试之间数据分布的差异，使得利用源域数据训练出来的分类器能够用在目标域数据上执行分类任务，解决了训练样本不足的问题，提升了算法的识别精度。
-
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。
-
公开(公告)号：CN114159081A
公开(公告)日：2022-03-11
申请号：CN202111522190.X
申请日：2021-12-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于时变混合Copula互信息的肌电耦合方法，包括多通道表面肌电信号同步采集、肌电信号预处理、经验分布函数估计边际分布、构建时变混合Copula模型、采用期望最大化‑拟牛顿方法估计时变混合Copula模型的参数模型拟合优度检验、计算时变混合Copula互信息，得到基于时变混合Copula互信息计算得到肌间的耦合强度。本发明提出的时变混合Copula互信息提供了一种更为先进的理论指导方法，可以准确描述肌间耦合特性，探究人体的运动机制，在肌间耦合中具有良好的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN116150660A
公开(公告)日：2023-05-23
申请号：CN202310222610.5
申请日：2023-03-03
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及基于自监督CNN的脑电情绪识别方法，在多任务卷积神经网络模型基础上，利用自监督的学习方法对模型进行训练，在DEAP数据集和SEED数据集上进行情绪分类验证，并从数据扩展角度出发探究数据量以及数据特征对自监督性能的影响。该方法将自监督CNN引入脑电情绪识别中，解决了传统卷积神经网络训练时需要数据量大并且训练好的网络只能针对一种任务进行分类的问题，为情感脑电识别领域提供了一种新思路。
-
公开(公告)号：CN115919333A
公开(公告)日：2023-04-07
申请号：CN202211482046.2
申请日：2022-11-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于累计尖峰序列的肌间共同轴突输入分析方法，包括步骤：多通道表面肌电信号同步采集并进行预处理；对预处理后的肌电信号进行运动单元分解，得到运动单元发放序列；根据得到的运动单元发放序列，将每个运动单元的发放序列叠加得到累计尖峰序列；计算累计尖峰序列的功率谱；对累计尖峰序列的功率谱采用最小二乘进行拟合得到参数A和B，评估肌间共同轴突输入的强度。该方法在上肢抓握运动中显示了肌肉接受到大量来自大脑皮层的共同轴突输入，而且共同轴突输入控制收缩力大小，揭示了运动过程中大脑对肌肉的控制机理，以及神经如何控制肌肉力量。
-
公开(公告)号：CN113288150B
公开(公告)日：2022-09-27
申请号：CN202110712331.8
申请日：2021-06-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基疲劳脑电信号组合特征的通道选择方法。针对现有技术的问题，提出的技术方案为：首先使用脑电采集设备采集疲劳驾驶信号，选取大脑皮层上能显著反映疲劳状态的电极通道并预处理；通过集合经验模态分解所获得的有限个本征模函数的功率谱值作为特征，并将样本熵作为辅助特征，再通过本文提出的通道选择方法分别筛选出在功率谱值和样本熵值作为特征下的理想通道；最后使用多层感知超限学习机和使用粒子群优化算法优化后的多层感知超限学习机分别对筛选出的理想通道数据进行二分类。本发明使用了组合特征提高了通道选择算法的泛化能力，最终使用了最优通道相比于全通道大幅提高了准确率。
-
公开(公告)号：CN114137832A
公开(公告)日：2022-03-04
申请号：CN202111248265.X
申请日：2021-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明通过在经典因果分析方法传递熵的基础上，结合统计学中的Copula函数推广至高维形式的传递熵，并利用正则藤Copula函数来估计，提出一种有效的R‑Vine Copula多变量传递熵的新方法。首先，与已有算法在一系列模拟数据上进行比较，验证了该方法多变量因果分析性能。其次，将该方法应用在执行不同的腕部运动任务时的多通道肌电信号分析。在肌间耦合关系应用中发现，神经肌肉系统在执行不同的腕部运动任务时，如腕展、腕径向偏等，形成了两个与关节区域相联系且具有稳定因果耦合关系的社区结构。R‑Vine Copula多变量传递熵对复杂的因果耦合关系作出了准确推断，具有良好的应用价值。
-
公开(公告)号：CN113633288A
公开(公告)日：2021-11-12
申请号：CN202110712325.2
申请日：2021-06-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于EEMD的疲劳脑电特征提取方法。本发明首先使用脑电采集设备采集疲劳驾驶信号，选取大脑皮层上能显著反映疲劳状态的电极通道并预处理；对信号进行EEMD分解并获得前3个IMF分量；对每个IMF分量进行STFT，并且计算每个IMF分量的PSD；最后使用多种分类器分别对数据进行二分类，验证了特征的鲁棒性。本发明减少了使用的电极数，减少了冗余信息，大大增加了实用性，并且使用了EEMD‑IMF‑PSD特征提高了分类准确率，优于传统的5个子频带的PSD特征。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.028 seconds)
