-
公开(公告)号：CN102835955B
公开(公告)日：2014-02-26
申请号：CN201210331193.X
申请日：2012-09-08
Applicant: 北京工业大学
IPC: A61B5/0476 , G06F19/00
Abstract: 本发明提出一种无需人工设定阈值的脑电信号中眼电伪迹自动去除的方法，属于生物信息技术领域，主要应用于脑电信号的预处理过程中。具体包括：对采集的含有眼电伪迹的脑电信号进行独立分量分解；并且求取每个独立分量的峭度、序列renyi熵和样本熵作为特征向量，进而使用k均值聚类分析的方法自动识别出含有眼电伪迹的独立分量，并将其置零，其余分量不变，对信号进行重构，得到纯净的脑电信号。本发明解决了传统的眼电伪迹去除过程中需要人工对伪迹进行识别、费时费力、工作量大的问题，并且本方法无需人工设定阈值就可以实现自动识别并去除眼电伪迹的目的，弥补了以往方法中设定阈值时需要研究人员具备一定的先验知识、主观性强的不足。
-
公开(公告)号：CN101869477B
公开(公告)日：2011-09-14
申请号：CN201010178035.6
申请日：2010-05-14
Applicant: 北京工业大学
IPC: A61B5/0476 , G06F19/00
Abstract: 本发明提出了一种自适应脑电信号中眼电伪迹的自动去除方法，属于生物信息技术领域，主要应用于脑电信号获取的预处理过程中。具体包括：对采集的含有眼电伪迹的脑电数据实时地进行经验模态分解(EMD)；并对得到的全部模态分量进行希尔伯特变换，求得瞬时频率；根据脑电信号中眼电伪迹的时频特性，并结合经验模态分量的统计特性，对得到的全部模态分量进行阈值滤波；利用滤波后的全部模态分量进行数据重构。本发明解决了包含眼电伪迹的经验模态分量的手动筛选问题，从而达到从脑电信号中自动去除眼电伪迹的目的。
-
公开(公告)号：CN101596101B
公开(公告)日：2011-03-23
申请号：CN200910088914.7
申请日：2009-07-13
Applicant: 北京工业大学
IPC: A61B5/00 , A61B5/0476 , G06F3/01 , G06N3/02
Abstract: 一种依据脑电信号判定疲劳状态的方法，采用导脑波仪进行脑电信号实时采集，使用数个导脑电仪，连接电极，进行脑电信号实时采集；包括：运行PC机与脑波仪接口程序；利用VC++编写Windows平台下与脑电图仪可视化接口程序，实现数据的同步采集，并显示实时采集的脑电图波形；对采集到的数据进行预处理；采用FIR滤波器对数据进行0-30Hz低通滤波，以去除工频噪声以及外部干扰；采用盲源分离方法对经过滤波的脑波进行分解，获得混合信号的各个成分，包含有眼电图、左右脑脑电图；对所得到的左右脑脑电图进行快速傅里叶变换，从时域信号转换到频域信号；求出脑电图波中α、β、θ、δ波的能量；对多层感知器BP神经网络进行分类。具有直接、快速的特点。
-
公开(公告)号：CN101515200B
公开(公告)日：2010-12-01
申请号：CN200910081432.9
申请日：2009-04-03
Applicant: 北京工业大学
Abstract: 一种基于瞬态视觉诱发脑电的目标选择方法，使用VC++编写视觉刺激器界面用于诱发脑电信号，使用16导采集设备采集脑电信号VEP，将采集的脑电信号经过脑电放大器放大及A/D转换，输入计算机中，并以信号电压幅值形式在存储器中存储；采用B样条双正交小波方法提取脑电特征信号并通过BP神经网络的自学习能力进行分类识别并输出相应结果；包括：利用CPU时间戳设计精确定时的视觉刺激器；对并口的输出脉冲进行响应，采集设备采集脑电信号VEP；对采集的信号进行预处理；采用B样条双正交小波方法对脑电信号进行特征提取；采用BP神经网络对特征量进行分类；该方法的优点是采用BP神经网络有利于提高视觉诱发电位的信噪比和识别率。
-
公开(公告)号：CN101219048B
公开(公告)日：2010-06-23
申请号：CN200810056839.1
申请日：2008-01-25
Applicant: 北京工业大学
IPC: A61B5/048 , A61B5/0476
Abstract: 本发明涉及脑-机接口装置中想象单侧肢体运动的脑电特征的提取方法。CSP空间滤波方法的排除相同任务成分提取不同任务成分的性质决定了它对想象单侧肢体运动脑电特征的分类更有针对性，同时CSP算法与FDA特征提取相结合，降低了输入矢量的维数，提高了分类器的推广性，在一定程度上提高分类准确率。使用Fisher判别分析(FDA)将10维输入向量v1，v2(v1为4维，v2为6维)降为两个1维输入向量f1，f2，再经过支持向量机的分类，不但提高了分类准确率。也避免了由于为数过高带来的维数灾难问题，有利于分类器的推广。
-
Patent Agency Ranking
公开(公告)号：CN101596101A
公开(公告)日：2009-12-09
申请号：CN200910088914.7
申请日：2009-07-13
Applicant: 北京工业大学
IPC: A61B5/00 , A61B5/0476 , G06F3/01 , G06N3/02
Abstract: 一种依据脑电信号判定疲劳状态的方法，采用导脑波仪进行脑电信号实时采集，使用数个导脑电仪，连接电极，进行脑电信号实时采集；包括：运行PC机与脑波仪接口程序；利用VC++编写Windows平台下与脑电图仪可视化接口程序，实现数据的同步采集，并显示实时采集的脑电图波形；对采集到的数据进行预处理；采用FIR滤波器对数据进行0－30Hz低通滤波，以去除工频噪声以及外部干扰；采用盲源分离方法对经过滤波的脑波进行分解，获得混合信号的各个成分，包含有眼电图、左右脑脑电图；对所得到的左右脑脑电图进行快速傅里叶变换，从时域信号转换到频域信号；求出脑电图波中α、β、θ、δ波的能量；对多层感知器BP神经网络进行分类。具有直接、快速的特点。
-
公开(公告)号：CN101515200A
公开(公告)日：2009-08-26
申请号：CN200910081432.9
申请日：2009-04-03
Applicant: 北京工业大学
Abstract: 一种基于瞬态视觉诱发脑电的目标选择方法，使用VC++编写视觉刺激器界面用于诱发脑电信号，使用16导采集设备采集脑电信号VEP，将采集的脑电信号经过脑电放大器放大及A/D转换，输入计算机中，并以信号电压幅值形式在存储器中存储；采用B样条双正交小波方法提取脑电特征信号并通过BP神经网络的自学习能力进行分类识别并输出相应结果；包括：利用CPU时间戳设计精确定时的视觉刺激器；对并口的输出脉冲进行响应，采集设备采集脑电信号VEP；对采集的信号进行预处理；采用B样条双正交小波方法对脑电信号进行特征提取；采用BP神经网络对特征量进行分类；该方法的优点是采用BP神经网络有利于提高视觉诱发电位的信噪比和识别率。
-
公开(公告)号：CN1887536A
公开(公告)日：2007-01-03
申请号：CN200610088991.9
申请日：2006-07-28
Applicant: 北京工业大学
IPC: B25J9/00
Abstract: 本发明涉及一种具有初级智能行为的沃特龟，属于机器人领域。包括由两个驱动足(2)、一个转向足(1)、四个红外传感器(5)、两个光敏电阻(3)和单片机ATMEGA16L，红外传感器(5)分别位于壳体的前、后、左、右。两个光敏电阻(3)分别位于壳体前部左右两侧。四个红外传感器(5)、两个光敏电阻(3)分别与单片机ATMEGA16L连接，四个红外传感器(5)用于检测障碍物，光敏电阻(3)用于检测光强，单片机ATMEGA16L根据红外传感器(5)、光敏电阻(3)输入的信号控制电机，进而控制驱动足(2)。本发明给常规的自动机器赋予智能的行为，可用于人工智能开发学习的载体，也可作为一种新型的智能玩具。
-
公开(公告)号：CN112330681B
公开(公告)日：2024-05-28
申请号：CN202011235609.9
申请日：2020-11-06
Applicant: 北京工业大学
IPC: G06T7/10
Abstract: 本发明涉及一种基于注意力机制的轻量级网络实时语义分割方法，用以解决分割精度与分割效率难以达到平衡，不能满足实际应用的问题。包括：图像数据准备；构建基于注意力机制的轻量级实时语义分割网络，提出一种新的非对称编码‑解码网络结构，在编码器中，使用了轻量化模块‑可分离非对称模块，该模块结合了深度可分离非对称卷积和空洞卷积的优点，在保持精度的同时大大降低了计算量；在解码器中设计了一个注意力特征融合模块，将编码器中的特征与解码器中的特征进行融合，将其融合后的的特征经过注意力机制的选择和组合，增强对恢复图像信息有用的特征，有效提高了网络分割的精度；最终利用训练完成的分割网络实现语义分割。
-
公开(公告)号：CN112329794B
公开(公告)日：2024-03-12
申请号：CN202011235688.3
申请日：2020-11-06
Applicant: 北京工业大学
IPC: G06V10/46 , G06V10/82 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于双重自注意力机制的图像描述网络，包括特征提取器、双重自注意力模块、解码器。其中，Faster R‑CNN网络作为特征提取器用于提取图像的重要特征。双重自注意力模块由两个自注意力分支组成，利用自注意力机制能够捕获长范围依赖关系的特性分别从空间和通道维度捕获特征的依赖性。解码器由两层LSTM构成，分别为注意层和语言层，注意层来预测生成当前词汇在图像上的注意力分布，语言层生成描述。本发明能自适应地将局部特征与全局相关性结合起来，从而获得图像的上下文信息，有利于生成更精确的描述，提高了描述语句的准确性。
-
-
-
-
-
-
-
-
-
Search Results
114
records
(took 0.023 seconds)
