-
公开(公告)号：CN115530754A
公开(公告)日：2022-12-30
申请号：CN202210823611.0
申请日：2022-07-14
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于深度学习的癫痫预警方法及装置，该方法获取脑电信号数据，将脑电信号数据划分为发作发生期与正常期，设定发作发生期的脑电信号的时间长度，其中，发作发生期包括发生期与在发生期前的设定范围的发生间期；将脑电信号数据以设定时间分割为信号数据分段作为预处理后的脑电数据，将预处理后的脑电数据分为训练集与测试集；使用训练集对深度学习神经网络进行训练，获得深度学习预测模型；使用测试集对深度学习预测模型进行验证；采集患者的实时脑电信号，输入深度学习预测模型中进行预测。本发明能够实现提前较长时间预警，且准确性高，能够对患者起到有效的提前预警。
-
公开(公告)号：CN114638253A
公开(公告)日：2022-06-17
申请号：CN202210142362.9
申请日：2022-02-16
Applicant: 南京邮电大学
Abstract: 本发明公开了数字信号处理和脑电信号技术领域的基于情感脑电特征融合优化机制的身份识别系统及方法，包括：获取多个通道的情感脑电信号；对情感脑电信号进行预处理；对预处理后的情感脑电信号进行特征值提取；利用粒子群优化算法对特征值特征模式进行分析，得到对于不同用户激活程度最大的情感脑电模块特征；搭建基于注意力机制的RNN模型，利用粒子群优化算法的适应度函数进行迭代，以及，搭建孪生神经网络算法模型，利用损失函数筛选脑电频段特征。本发明区别于以往脑电数据特征是通过少数电极通道采集的单个波段脑电信号的频域特征，数据特征单一且识别准确率欠佳等问题，对模型的泛化能力进行提升，有明显的应用价值。
-
公开(公告)号：CN114521903A
公开(公告)日：2022-05-24
申请号：CN202210138817.X
申请日：2022-02-15
Applicant: 南京邮电大学
Abstract: 本发明公开了数字信号处理和脑电信号技术领域的一种基于特征选择的脑电注意力识别系统及方法，包括：采集不同注意力任务中的脑电信号；对采集到的脑电信号进行预处理；对预处理后的脑电信号进行分段得到多个样本后，对样本进行特征提取；使用ReliefF算法根据所提取的特征与类别标签之间的相关性计算该特征的权值，并求取所有权值的平均值作为阈值，将权值大于阈值的特征作为初选特征；计算初选特征的互信息量，通过相关性对特征进行复选；使用RFECV对特征中的通道信息在分类器上的表现为依据进行评分排序，选出最佳特征作为最终特征，得到特征集；将所得的特征集使用支持向量机进行注意力脑电的识别。本发明减少了特征的冗余，提高了分类的准确度。
-
公开(公告)号：CN114521902A
公开(公告)日：2022-05-24
申请号：CN202210133826.X
申请日：2022-02-14
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于AR模型特征和SVM分类的工作记忆提高实验方法及装置，可以判断不同条件下工作记忆的提高情况。方法包括以下步骤：获取待检测条件下的脑电信号；预处理所述脑电信号；将预处理后的脑电信号进行AR模型特征提取，获得脑电信号特征；将所述脑电信号特征输入SVM分类器，输出分类结果；所述分类结果表示该待检测条件下的工作记忆是否提高。实验结果表明，将AR模型特征与SVM分类相结合的方法对工作记忆提高与否的判别具有一定的有效性。
-
公开(公告)号：CN113987411A
公开(公告)日：2022-01-28
申请号：CN202111506236.9
申请日：2021-12-10
Applicant: 南京邮电大学
Abstract: 一种基于改进二乘法基线漂移去除方法，首先将采样的数据按照一定大小开窗分段。分段后，利用改进最小二乘法对多项式拟合，得到每一个窗口的拟合函数。将原数据减去拟合函数的值，得到滤波完成之后的数值后，加上原数据的平均值，将数据整体拉回基线，完成算法过滤步骤。从时域和频域两方面，多个指标汇总来看，基于改进最小二乘法对基线漂移的去除效果比最小二乘法效果提高5%左右，且对信号的衰减率与改进前类似，因此可以看出该算法在改进后的各方面综合指标均优于改进前，具有良好的基线漂移去除效果。
-
Patent Agency Ranking
公开(公告)号：CN110584898B
公开(公告)日：2020-08-14
申请号：CN201910948667.7
申请日：2019-10-08
Applicant: 南京邮电大学
Abstract: 本发明提出了数字信号处理领域内的一种基于多传感器的脑控轮椅自动避障方法，包括以下步骤：步骤1）利用脑电信号采集设备采集脑电信号，并对其进行放大，A/D转换，将其不同特征以数字信号存储；步骤2）将采集到的的信号特征传递给轮椅，驱动轮椅行进；步骤3）利用轮椅前部不同的传感器探测轮椅周边障碍物信号，将采集到的信号经过模糊关系算法和模糊参数优化方法进行处理，再传递至避障控制器；步骤4）避障控制器将不同传感器的数据进行融合处理，并将控制信息输出至轮椅控制器及驱动电机；步骤5）轮椅控制器及驱动电机根据控制信号实时转向避障，本发明减少了脑控轮椅事故率，从而保障脑控轮椅使用者的人身安全。
-
公开(公告)号：CN108686685B
公开(公告)日：2020-07-14
申请号：CN201810436846.8
申请日：2018-05-09
Applicant: 南京邮电大学
Abstract: 本发明公开了一种铜纳米颗粒/黑磷纳米片复合材料及其制备方法与应用，该复合材料包括载体黑磷纳米片及负载在该载体上的铜纳米颗粒；制法为先将黑磷和氢氧化钠分散于有机溶剂中，制得混合液，将该混合液置于超临界反应釜中，在40～70℃、15～20MPa条件下反应3～4h，制得黑磷纳米片，随后将该黑磷纳米片与铜相溶液混合后，在50～60℃条件下反应10～120min，制得复合材料。该复合材料应用于电化学催化还原二氧化碳。本发明的显著优点为：该复合材料比表面积大，铜纳米颗粒的负载量大，结晶性能及催化性能优；制法简单、成本低、环境友好；同时应用于电化学催化还原CO2，催化活性高、稳定性强、具有较低的外加电压。
-
公开(公告)号：CN111012340A
公开(公告)日：2020-04-17
申请号：CN202010013712.2
申请日：2020-01-07
Applicant: 南京邮电大学
IPC: A61B5/0476 , A61B5/16 , A61B5/00
Abstract: 本发明涉及了一种基于多层感知机的情绪分类方法，首先通过将原始的脑电信号进行噪声的滤除，然后提取特征向量，之后通过多层感知机利用所得信号对分类模型进行训练并将训练模型保存，最后通过该模型进行情绪的分类。本发明的创新之处在于：训练模型可作为预训练模型，再次输入网络中，从而在数据更新时，可利用新的数据实时调整模型，而无需将所有数据重新输入网络中进行训练，从而实现在已有模型上不断优化模型准确性，即实现模型实时学习的目的。这种终身学习的模型对于提高模型的适应性和准确率具有重要意义。
-
公开(公告)号：CN110367975A
公开(公告)日：2019-10-25
申请号：CN201910618660.9
申请日：2019-07-10
Applicant: 南京邮电大学
IPC: A61B5/0476 , A61B5/18 , A61B5/00
Abstract: 本发明提出了数字信号处理领域内的一种基于脑机接口的疲劳驾驶检测预警方法，包括以下步骤：步骤1）利用脑电信号采集设备采集脑电信号，并对其进行预处理；步骤2）实验者在模拟驾驶实验中完成相关任务，记录在实验场景下受试者从清醒到疲劳状态下的脑电信号，步骤3）将采集到的脑电信号通过蓝牙芯片传到计算机，通过伪迹减法去除眼动伪迹，采用独立成分分析法对脑电信号进行降噪；步骤4）对接收到的脑电信号进行eSense算法量化处理，得到“专注度”和“放松度”参数值；步骤5）将得到的参数值传到单片机，通过单片机的模数转换模块得到控制命令，控制蜂鸣器设备，本发明减少了疲劳驾驶的概率，从而降低了交通事故的发生率。
-
公开(公告)号：CN110367974A
公开(公告)日：2019-10-25
申请号：CN201910618566.3
申请日：2019-07-10
Applicant: 南京邮电大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00 , G06F17/10
Abstract: 本发明提出了信息技术领域一种基于变分模态分解-传递熵的脑肌电耦合的研究方法，包括以下步骤：步骤1受试者按照实验指令完成实验操作，在实验过程中采集脑电信号和肌电信号；步骤2对上述脑电信号、肌电信号数据的预处理；步骤3对预处理过后的脑电信号和肌电信号进行变分模态分解，将脑电信号和肌电信号分解为若干个不同的本征模态函数；步骤4对使用变分模态分解得到的脑电信号、肌电信号两两之间进行传递熵计算，观察脑肌电耦合强度；步骤5选取不同的时间刻度再次对不同性质、不同分量、不同方向的本征模态函数进行传递熵计算，可以减少频带混叠给后续不同频率波之间进行传递熵计算产生的干扰，提高实验结果准确性。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.042 seconds)
