公开(公告)号：CN118839218B

公开(公告)日：2025-05-13

申请号：CN202410882734.0

申请日：2024-07-03

Applicant: 中国人民解放军海军工程大学

Inventor： 张家琦 ,  石章松 ,  徐慧慧 ,  张宁

IPC: G06F18/241 ,  A61B5/38 ,  A61B5/374 ,  A61B5/00 ,  G06F18/21 ,  G06F18/214 ,  G06F18/10 ,  G06F3/01

Abstract: 本发明公开了一种基于脑网络的水下目标识别方法，包括如下步骤：S1、招募多位声呐操作员作为受试者进行试验，获取多位受试者对应的多组EEG信号；S2、对步骤S1中获取的多组EEG信号进行预处理；S3、基于改进的脑网络求取算法，对步骤S2中预处理后的EEG信号进行计算求解，得到多组PSI邻接矩阵；S4、选取PSI邻接矩阵的连接节点作为特征，组成特征集，并对每个特征集中的特征进行排序，进而采用6折交叉验证方法，将排序后的特征集划分为训练集与测试集，训练集用于完成分类模型的训练，测试集用于得出该受试者的最终分类准确率；S5、实际进行水下目标识别时，声呐操作员选择与之对应的分类模型完成EEG数据的实时采集与分类，实现水下目标自动识别。

公开(公告)号：CN116894181A

公开(公告)日：2023-10-17

申请号：CN202310862931.1

申请日：2023-07-14

Applicant: 中国人民解放军海军工程大学

Inventor： 徐慧慧 ,  石章松 ,  饶喆 ,  张宁 ,  张家琦 ,  李佳宽

IPC: G06F18/2131 ,  G06F18/2137 ,  G06F123/02

Abstract: 本发明公开了一种基于黎曼流行和小波变换的特征提取方法，包括如下步骤：S1、进行脑电采集实验，采集脑电信号；S2、基于离散小波变换对脑电信号进行时频分析，提取时频特征；S3、基于黎曼流行算法对脑电信号进行非线性特征的提取；S4、对步骤S2与S3中分别提取的时频特征与非线性特征进行特征融合。本发明所提供的基于黎曼流行和小波变换的特征提取方法，能够在最大限度保持原始信号非线性流行结构信息的前提下，对脑电信号进行数据降维和特征提取。

公开(公告)号：CN116869553A

公开(公告)日：2023-10-13

申请号：CN202310863019.8

申请日：2023-07-14

Applicant: 中国人民解放军海军工程大学

Inventor： 徐慧慧 ,  石章松 ,  张宁 ,  鄢砚军 ,  顾宏灿 ,  张家琦

IPC: A61B5/369 ,  A61B5/374 ,  A61B5/00 ,  A61B5/378 ,  A61B5/38 ,  G06F18/15 ,  G06F18/27 ,  G06F18/2134 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明公开了一种基于多模态脑电信号的时变脑网络构建方法，包括如下步骤：S1、进行脑电采集实验，采集脑电信号；S2、对于采集得到的脑电信号，搭建MVAAR模型；S3、采用基于Lp范数的ADTF算法，对MVAAR模型系数进行估计。本发明所提供的基于多模态脑电信号的时变脑网络构建方法，在以往研究时变脑网络技术的基础上，借鉴Lp范数技术，提出一个基于多模态的时变脑网络构建方法，利用范数空间对MVAAR模型系数进行有效估计，提高大脑感知机制的准确性。

公开(公告)号：CN118839218A

公开(公告)日：2024-10-25

申请号：CN202410882734.0

申请日：2024-07-03

Applicant: 中国人民解放军海军工程大学

Inventor： 张家琦 ,  石章松 ,  徐慧慧 ,  张宁

IPC: G06F18/241 ,  A61B5/38 ,  A61B5/374 ,  A61B5/00 ,  G06F18/21 ,  G06F18/214 ,  G06F18/10 ,  G06F3/01

Abstract: 本发明公开了一种基于脑网络的水下目标识别方法，包括如下步骤：S1、招募多位声呐操作员作为受试者进行试验，获取多位受试者对应的多组EEG信号；S2、对步骤S1中获取的多组EEG信号进行预处理；S3、基于改进的脑网络求取算法，对步骤S2中预处理后的EEG信号进行计算求解，得到多组PSI邻接矩阵；S4、选取PSI邻接矩阵的连接节点作为特征，组成特征集，并对每个特征集中的特征进行排序，进而采用6折交叉验证方法，将排序后的特征集划分为训练集与测试集，训练集用于完成分类模型的训练，测试集用于得出该受试者的最终分类准确率；S5、实际进行水下目标识别时，声呐操作员选择与之对应的分类模型完成EEG数据的实时采集与分类，实现水下目标自动识别。

公开(公告)号：CN118332324B

公开(公告)日：2024-10-22

申请号：CN202410750834.8

申请日：2024-06-12

Applicant: 中国人民解放军海军工程大学

Inventor： 石章松 ,  张家琦 ,  徐慧慧 ,  漆石钰

IPC: G06F18/2135 ,  G06F18/10 ,  G06F18/214 ,  G06F18/241

Abstract: 本发明公开了一种基于相位与残差信息的共空间模式特征提取方法，包括如下步骤：S1、对原始的EEG序列分别进行Hilbert变换和EMD分解，分别获取相位序列和残差序列；S2、结合步骤S1中获取的相位序列和残差序列，得到相位‑残差序列；S3、采用CSP算法对步骤S2中得到的相位‑残差序列进行特征提取并送入分类器分类。本发明先分别获取相位序列与残差序列，再将二者结合得到相位‑残差序列，从而构建出蕴含更多信息且包含更少干扰项的序列，将该序列送入CSP算法进行特征提取，可以获得区分度更高的特征用于运动想象任务的分类识别，更好地提升CSP算法提取特征的性能，使最终的分类模型拥有更强的鲁棒性能以及模型泛化能力，大大提高运动想象检测的准确率。

公开(公告)号：CN118332324A

公开(公告)日：2024-07-12

申请号：CN202410750834.8

申请日：2024-06-12

Applicant: 中国人民解放军海军工程大学

Inventor： 石章松 ,  张家琦 ,  徐慧慧 ,  漆石钰

IPC: G06F18/2135 ,  G06F18/10 ,  G06F18/214 ,  G06F18/241

Abstract: 本发明公开了一种基于相位与残差信息的共空间模式特征提取方法，包括如下步骤：S1、对原始的EEG序列分别进行Hilbert变换和EMD分解，分别获取相位序列和残差序列；S2、结合步骤S1中获取的相位序列和残差序列，得到相位‑残差序列；S3、采用CSP算法对步骤S2中得到的相位‑残差序列进行特征提取并送入分类器分类。本发明先分别获取相位序列与残差序列，再将二者结合得到相位‑残差序列，从而构建出蕴含更多信息且包含更少干扰项的序列，将该序列送入CSP算法进行特征提取，可以获得区分度更高的特征用于运动想象任务的分类识别，更好地提升CSP算法提取特征的性能，使最终的分类模型拥有更强的鲁棒性能以及模型泛化能力，大大提高运动想象检测的准确率。