-
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：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。
-
Patent Agency Ranking
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：CN112329861B
公开(公告)日：2024-05-28
申请号：CN202011235706.8
申请日：2020-11-06
Applicant: 北京工业大学
IPC: G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及移动机器人的环境感知领域，尤其涉及一种面向移动机器人多目标检测的分层特征融合方法，目的在于提高目标检测算法对不同尺度目标的检测能力，从而提高智能机器人的环境感知能力，包括以下步骤：将数据集中的图像输入到预训练好的改进后的VGG‑16中，初步获取特征图；将初步获取的特征图分别输入空洞卷积金字塔结构，该结构包含3种不同扩张率的空洞卷积分支，用于匹配机器人移动时视觉传感器获取的不同尺度大小的目标；将不同分支获取的特征图通过本发明提出的分层叠加的方式进行融合，使特征图中的所有通道均包含不同尺度的特征信息；将融合后的特征图进行逐步卷积，得到不同大小的特征图；最终，获得待检测物体的类别和包围框。
-
公开(公告)号：CN111582041B
公开(公告)日：2023-06-09
申请号：CN202010291359.4
申请日：2020-04-14
Applicant: 北京工业大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于CWT和MLMSFFCNN的脑电识别方法，将各导联运动想象脑电信号进行CWT，得到每导联的时频矩阵；然后，截取信号时频矩阵8‑30Hz频带的数据，沿频率轴等分为三个子矩阵；将三个子矩阵分别按列求和，得到三个子序列后，将每个子序列沿时间轴分为三个窗口；结合BCI采集系统导联坐标信息构造MI‑EEG信号复合特征矩阵；MLMSFFCNN通过各个级卷积段输出特征的拼接以及各级卷积的多分支结构实现了特征的融合与多分辨率计算；使用MLMSFFCNN对上述MI‑EEG复合特征矩阵进行监督训练后，进行十折交叉验证，得到最终的分类结果。本发明通过MLMSFFCNN的特征融合能力与多分辨率计算能力使得信号时、频、空域特征信息能够被充分提取，对于提升MI‑EEG信号多域特征表达、分类精度具有重要意义。
-
公开(公告)号：CN110490884B
公开(公告)日：2023-04-28
申请号：CN201910784087.9
申请日：2019-08-23
Applicant: 北京工业大学
IPC: G06V10/26 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明涉及一种基于对抗的轻量级网络语义分割方法，用以解决预测准确率低，网络处理速度慢，难以达到实时预测的要求的问题。本发明从提升语义分割速度和精度的角度出发，提出一种基于对抗的轻量化语义分割方法。首先，通过减少通道数量，利用非对称卷积减少跳跃连接中参数量，空洞卷积增加特征图感受野，通道打乱操作提升网络信息获取能力，构建轻量级非对称的编码解码语义分割网络；然后，利用对抗思想，使用判别网络对分割图像和标定的语义标签进行判别，并设计判别损失函数和分割损失函数，通过反向传播的方法交替更新分割网络和判别网络，直至判别网络无法分辨分割网络生成的标注和真实标注，实现图像的语义分割。本发明利用轻量化模型和对抗思想使得分割网络确保实时性的同时，具有较高的分割精度。
-
公开(公告)号：CN109213174B
公开(公告)日：2021-10-01
申请号：CN201811241028.9
申请日：2018-10-24
Applicant: 北京工业大学 , 北京北排科技有限公司
IPC: G05D1/02
Abstract: 一种基于模糊神经网络的污水处理厂智能巡检避障方法属于智能机器人技术领域。针对污水处理厂中障碍物可移动，巡检环境复杂多变等特点，该智能避障控制方法利用前置、后置超声波传感器以及碰撞开关采集到的环境信息，通过模糊神经网络对巡检机器人周围环境进行判断并决策，实现对巡检机器人避障的智能控制，提高了巡检机器人的运行安全性和稳定性；解决了传统机器人避障方法无法提前避障和避障效果易受干扰的问题。实验结果表明该方法拥有更为快速的响应能力，对复杂巡检环境具有更强的自适应能力，实现巡检机器人的智能避障控制，提高避障有效性和实时性。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.024 seconds)
