-
公开(公告)号：CN112957014A
公开(公告)日：2021-06-15
申请号：CN202110167532.4
申请日：2021-02-07
Applicant: 广州大学
Abstract: 本发明公开了一种基于脑电波与神经网络的疼痛检测定位方法及系统，该方法步骤包括：通过独立成分分析去除原始脑电信号相关噪声，进行脑电信号的疼痛等级划分，利用信号时间分割窗口处理，将疼痛等级数据整合后建立疼痛等级数据集；通过傅里叶变换、方位等距投影和CloughTocher插值算法分别生成与疼痛相关的Theta、Alpha和Beta频带各时间窗口的光谱地形图，合并为多通道的脑电图序列；通过CNN‑LSTM‑AM神经网络获得与疼痛程度及疼痛位置相关的脑电波序列的时间‑空间特征向量；将CNN‑LSTM‑AM神经网络学习到的脑电波疼痛特征输入到疼痛分类器模型中，以评估疼痛等级和疼痛位置。本发明能实现准确高效地提取和处理脑电波的疼痛程度变化和位置变化特征，自动识别疼痛等级和疼痛位置。
-
公开(公告)号：CN112957014B
公开(公告)日：2023-06-20
申请号：CN202110167532.4
申请日：2021-02-07
Applicant: 广州大学
Abstract: 本发明公开了一种基于脑电波与神经网络的疼痛检测定位方法及系统，该方法步骤包括：通过独立成分分析去除原始脑电信号相关噪声，进行脑电信号的疼痛等级划分，利用信号时间分割窗口处理，将疼痛等级数据整合后建立疼痛等级数据集；通过傅里叶变换、方位等距投影和CloughTocher插值算法分别生成与疼痛相关的Theta、Alpha和Beta频带各时间窗口的光谱地形图，合并为多通道的脑电图序列；通过CNN‑LSTM‑AM神经网络获得与疼痛程度及疼痛位置相关的脑电波序列的时间‑空间特征向量；将CNN‑LSTM‑AM神经网络学习到的脑电波疼痛特征输入到疼痛分类器模型中，以评估疼痛等级和疼痛位置。本发明能实现准确高效地提取和处理脑电波的疼痛程度变化和位置变化特征，自动识别疼痛等级和疼痛位置。
-
公开(公告)号：CN112820291A
公开(公告)日：2021-05-18
申请号：CN202110021302.7
申请日：2021-01-08
Applicant: 广州大学
Abstract: 本申请公开了一种智能家居控制方法、系统和存储介质，所述方法包括对待识别语音信号进行语音识别和声纹识别，提取控制指令和语音声纹特征；确定有权限用户列表不包括陌生人，获取有权限用户的第一声纹特征；将第一声纹特征与语音声纹特征进行特征匹配，获取第一相关系数；确定第一相关系数大于阈值，生成控制信号；确定有权限用户列表包括陌生人，获取无权限用户的第二声纹特征；将第二声纹特征与语音声纹特征进行特征匹配，获取第二相关系数；确定第二相关系数小于阈值，生成控制信号。相较于现有的智能家居控制方法，本申请能够识别发出语音信号的用户是否存在操作权限，具有更高的安全性。本申请可广泛应用于智能家居技术领域中。
-
公开(公告)号：CN112820291B
公开(公告)日：2024-05-14
申请号：CN202110021302.7
申请日：2021-01-08
Applicant: 广州大学
Abstract: 本申请公开了一种智能家居控制方法、系统和存储介质，所述方法包括对待识别语音信号进行语音识别和声纹识别，提取控制指令和语音声纹特征；确定有权限用户列表不包括陌生人，获取有权限用户的第一声纹特征；将第一声纹特征与语音声纹特征进行特征匹配，获取第一相关系数；确定第一相关系数大于阈值，生成控制信号；确定有权限用户列表包括陌生人，获取无权限用户的第二声纹特征；将第二声纹特征与语音声纹特征进行特征匹配，获取第二相关系数；确定第二相关系数小于阈值，生成控制信号。相较于现有的智能家居控制方法，本申请能够识别发出语音信号的用户是否存在操作权限，具有更高的安全性。本申请可广泛应用于智能家居技术领域中。
-
-
-
Search Results
4
records
(took 0.014 seconds)
