-
公开(公告)号：CN118051771A
公开(公告)日：2024-05-17
申请号：CN202410016116.8
申请日：2024-01-04
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/10 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于稳态视觉诱发电位空域特性的身份识别方法，包括以下步骤：S1：使用Benchmark数据集并对其进行预处理；S2：设计一个EhythmNet模型；S3：利用EhythmNet模型对预处理后的数据集进行训练与测试；S4：利用EhythmNet模型对N导联EEG数据进行分类，得到导联识别率和识别率脑地形图；S5：利用EhythmNet基于导联识别率对被试者进行分类识别；S6：利用EfficientNet‑B0基于脑地形图对被试者进行分类识别。还公开了一种基于稳态视觉诱发电位空域特性的身份识别系统。本发明利用SSVEP在不同头皮电极的空域分布特性，实现了两种不同的身份识别新方法。
-
公开(公告)号：CN114519367A
公开(公告)日：2022-05-20
申请号：CN202210042816.5
申请日：2022-01-14
Applicant: 安徽大学
Abstract: 本发明公开了一种基于样本学习的运动想象脑电频率特性分析方法，包括以下步骤：S1：将多导原始MI‑EEG信号通过时域滤波和空域滤波预处理后，分离出若干运动相关独立分量MRICs，对MRICs进行时域拼接，生成一维CNN的训练样本；S2：利用S1生成的训练样本对一维CNN模型进行训练与分类性能测试，自动获取个性化MI频率参数和滤波参数；S3：将经一维CNN模型学习所得的最优一维卷积核参数直接构造时域带通滤波器，完成CSP空域滤波器和分类器的设计和训练。还公开了一种基于样本学习的运动想象脑电频率特性分析系统。本发明能够实现个性化MI‑BCI系统的优化设计。
-
公开(公告)号：CN108937968B
公开(公告)日：2021-11-19
申请号：CN201810565890.9
申请日：2018-06-04
Applicant: 安徽大学
Abstract: 本发明公开了一种基于独立分量分析的情感脑电信号的导联选择方法，使用多导联情感脑电信号并对其进行滤波处理，将滤波后的数据使用ICA分析，建立对应不同情感任务背景下的空域滤波器组，然后进行线性投影，获取全导联的情感信号的空域特征参数，然后使用导联选择的方法选择出受试者的最优导联集合。本发明获得了较高的识别正确率，实现了根据不同受试者自动选择情感相关独立分量，相对于提取全通道的独立分量，选取最优导联位置的独立分量不仅能够降低算法的时间复杂度，同时能更准确地描述情感相关独立源的真实情况，同时能够有效抑制与情感信号无关的分量及外部噪声的干扰。
-
公开(公告)号：CN106491129B
公开(公告)日：2019-09-10
申请号：CN201610885750.0
申请日：2016-10-10
Applicant: 安徽大学
IPC: A61B5/0496 , G06K9/00 , G06F3/01
Abstract: 本发明公开了一种基于EOG的人体行为识别系统及方法，首先建立一个基于Hjorth参数的EOG信号识别模型，用于实现对原始单元EOG信号的识别；同时，使用N‑gram方法统计背景任务下不同行为状态的上下文关系，并建立一个眼动信号‑行为状态关系模型；最后，通过置信度参数对两个模型输出的结果进行综合的分析与判断，以获取受试者最可能的行为状态。本发明的一种基于EOG的人体行为识别方法，具有识别正确率更高、扩展性更强、应用前景良好等优点。
-
公开(公告)号：CN105816181A
公开(公告)日：2016-08-03
申请号：CN201610140400.1
申请日：2016-03-11
Applicant: 安徽大学
IPC: A61B5/11 , A61B5/0496 , A61B5/00
CPC classification number: A61B5/4088 , A61B5/0496 , A61B5/11
Abstract: 本发明涉及一种基于EOG的阅读行为识别方法及设备，该识别方法包括如下步骤，采集待检测者的EOG信号，并对采集到的EOG信号进行预处理；通过端点检测，识别出预处理后的EOG信号阅读状态的起始点和终止点；得到的阅读EOG信号，通过小波包变化方法进行字符串编码；通过编码字符串和模板字符串之间的编辑距离实现字符串匹配，得到识别结果。本发明作为一种阅读障碍诊断的辅助方法，具有识别正确率高、可拓展性强、潜在应用价值高等优点。
-
Patent Agency Ranking
公开(公告)号：CN103892829B
公开(公告)日：2016-04-27
申请号：CN201410156043.9
申请日：2014-04-17
Applicant: 安徽大学
IPC: A61B5/0496
Abstract: 本发明公开了一种基于共同空间模式的眼动信号识别系统及其识别方法，眼动信号识别系统包括眼动信号预处理模块、空域滤波器训练模块及眼动信号识别模块。识别方法包括：采集基于眼电图的眼动数据并对眼动数据进行预处理；将预处理后的所有数据分成训练数据和测试数据两个部分；对于训练数据，采用CSP算法对其进行空域滤波，并将滤波后结果作为特征参数输入到SVM分类器中进行SVM模型训练；对测试数据，同样使用CSP算法进行特征提取，并将结果送入已训练好的SVM分类器中进行识别，最终得到眼部动作的识别结果。本发明的眼动信号识别系统及其识别方法，具有对眼动信号识别正确率较高、眼动信号扩展分类能力较强、应用潜力大等优点。
-
公开(公告)号：CN104810018A
公开(公告)日：2015-07-29
申请号：CN201510222045.8
申请日：2015-04-30
Applicant: 安徽大学
IPC: G10L15/04
Abstract: 本发明公开了一种基于动态累积量估计的语音端点检测方法，包括了基于滑动窗的高阶累积量递推计算和基于滑动窗峭度的端点检测。基于滑动窗的高阶累积量递推计算是指对原始样本数据加矩形窗，对窗内数据进行累积量估计，每滑动一个样本点对窗内数据进行更新，实现累积量的动态估计。基于滑动窗峭度的端点检测是结合高阶累积量递推计算方法计算滑动窗峭度和能量特征进行语音信号的端点检测。本发明相比现有技术具有以下优点：本发明中的基于动态累积量估计的语音信号端点检测方法是基于滑动窗峭度、能量双门限的端点检测，参数滑动窗峭度对语音段起始点具有较强敏感性且对噪声具有更好的抗干扰能力，在噪声环境下具有较好的鲁棒性。
-
公开(公告)号：CN109308118B
公开(公告)日：2021-12-14
申请号：CN201811025755.1
申请日：2018-09-04
Applicant: 安徽大学
Abstract: 本发明公开了一种基于EOG的中文眼写信号识别方法，包括以下步骤：采集基于眼电图的中文眼写数据并对数据进行预处理；将预处理后的数据分为模板数据和汉字笔画数据两个部分；将横、竖、撇、捺、折五个模板笔画段和汉字笔画段数据均送入基于DTW的分类器中进行笔画识别，并用softmax算法处理识别结果得到识别的笔画段序列的概率分布；建立汉字字库用one‑hot编码后，得到的笔画段序列的概率分布与编码的同笔画汉字匹配以获得最终的预测中文汉字。还公开了基于EOG的中文眼写信号识别方法的识别系统，具有对中文字符识别正确率高、汉字字库扩展能力较强、应用前景广泛的优点。
-
公开(公告)号：CN112992119A
公开(公告)日：2021-06-18
申请号：CN202110052375.2
申请日：2021-01-14
Applicant: 安徽大学
IPC: G10L15/00 , G10L15/02 , G10L15/06 , G10L15/08 , G10L15/16 , G10L15/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度神经网络的口音分类方法，包括：提取原始音频的帧级频域特征，构建2D语音频谱作为网络输入X；构建一个多任务权值共享的基于CRNNs的前端编码器来提取频谱X的局部序列描述符{P1,…,PT'}；在训练过程中，前端编码器后增设语音识别任务分支网络，用来抑制口音识别中的过拟合现象；构建用于口音识别任务的核心分支网络，首先将所有局部序列描述符整合成一个全局口音特征；然后在预测过程中引入判别性损失函数；最后通过基于softmax的分类层对全局口音特征进行分类，实现口音预测。还公开了一种高度可判别性的基于深度神经网络的口音分类模型，对来自不同区域群体的说话人能给出一个可靠的口音预测。
-
公开(公告)号：CN107480716B
公开(公告)日：2021-01-29
申请号：CN201710695447.9
申请日：2017-08-15
Applicant: 安徽大学
Abstract: 本发明公开一种结合EOG和视频的扫视信号识别方法及系统，属于眼电图技术领域，包括：同步采集扫视动作的EOG数据与视频数据；对EOG数据和视频数据进行预处理；对EOG数据采集通道进行端点检测，得到端点检测结果；将端点检测结果应用于EOG与视频两种模态下的有效眼动数据段检测，将有效眼动数据分为训练集和测试集；对训练集和测试集中两种模态下的数据进行特征提取得到有效眼动数据的特征；将两种模态下有效眼动数据的特征进行融合；将融合后扫视特征参数送入SVM分类器中进行训练，得到分类模型；利用测试集中数据对分类模型进行测试，得到测试后分类模型以进行信号识别。本发明中融合后的特征具有更多互补信息，提高了信号识别鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.019 seconds)
