-
公开(公告)号：CN113239744B
公开(公告)日：2024-04-19
申请号：CN202110447914.2
申请日：2021-04-25
Applicant: 西安电子科技大学
IPC: G06F18/241 , G06F18/213 , G06F18/10 , G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/088
Abstract: 本发明公开了一种基于深度学习的脑电‑肌电信号融合识别方法，通过基于深度自注意力机制的循环神经网络对预处理后的脑电信号进行高维编码及序列解码，获得脑电分类特征矩阵；对预处理后的肌电信号进行强度特征提取，获得肌电特征向量；通过无监督稀疏自编码器对脑电分类特征矩阵和肌电特征向量进行特征融合，生成最终指令。本发明将多头自注意力机制和编码‑解码模型结合应用到脑电特征提取领域，提高脑电分类识别精度；利用自适应方法，解决肌电信号存在个体差异和位置差异的问题，通过提取肌电信号的强度特征来实现动作强度的估计；利用无监督稀疏自编码器对不同生物电特征进行编码和解码，以高效、鲁棒性的方法实现对脑电和肌电特征的融合。
-
公开(公告)号：CN113239744A
公开(公告)日：2021-08-10
申请号：CN202110447914.2
申请日：2021-04-25
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度学习的脑电‑肌电信号融合识别方法，通过基于深度自注意力机制的循环神经网络对预处理后的脑电信号进行高维编码及序列解码，获得脑电分类特征矩阵；对预处理后的肌电信号进行强度特征提取，获得肌电特征向量；通过无监督稀疏自编码器对脑电分类特征矩阵和肌电特征向量进行特征融合，生成最终指令。本发明将多头自注意力机制和编码‑解码模型结合应用到脑电特征提取领域，提高脑电分类识别精度；利用自适应方法，解决肌电信号存在个体差异和位置差异的问题，通过提取肌电信号的强度特征来实现动作强度的估计；利用无监督稀疏自编码器对不同生物电特征进行编码和解码，以高效、鲁棒性的方法实现对脑电和肌电特征的融合。
-
公开(公告)号：CN112667080A
公开(公告)日：2021-04-16
申请号：CN202011578500.5
申请日：2020-12-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于深度卷积对抗网络的脑电信号无人平台智能控制方法，终端对采集的脑电信号进行噪声去除，获得去噪后的脑电信号；通过胶囊网络对所述去噪后的脑电信号进行深层特征提取，获得深层特征信号；融合所述深层特征信号和脑电信号后进行分类识别，确定相应的控制指令信号；所述终端对无人平台分别进行离线和在线试验验证，验证成功后，所述无人接接收并且执行所述终端发送的控制指令信号。本发明利用已有噪声数据集合成一维脑电信号训练网络，简化数学模型并解决了噪声训练数据不足问题，利用自编码器架构重建一维预测信号，注意力机制进行特征选择，提高了计算效率。
-
公开(公告)号：CN112667080B
公开(公告)日：2023-05-23
申请号：CN202011578500.5
申请日：2020-12-28
Applicant: 西安电子科技大学
IPC: G06F3/01 , G06F18/24 , G06F18/25 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度卷积对抗网络的脑电信号无人平台智能控制方法，终端对采集的脑电信号进行噪声去除，获得去噪后的脑电信号；通过胶囊网络对所述去噪后的脑电信号进行深层特征提取，获得深层特征信号；融合所述深层特征信号和脑电信号后进行分类识别，确定相应的控制指令信号；所述终端对无人平台分别进行离线和在线试验验证，验证成功后，所述无人平台接收并且执行所述终端发送的控制指令信号。本发明利用已有噪声数据集合成一维脑电信号训练网络，简化数学模型并解决了噪声训练数据不足问题，利用自编码器架构重建一维预测信号，注意力机制进行特征选择，提高了计算效率。
-
Patent Agency Ranking
公开(公告)号：CN114841192A
公开(公告)日：2022-08-02
申请号：CN202210289437.6
申请日：2022-03-23
Applicant: 西安电子科技大学
IPC: G06K9/00
Abstract: 本发明涉及一种基于强化学习联合去噪与时空关系建模的脑电信号特征增强方法，包括：获取多通道脑电信号；对获取的多通道脑电信号进行基于多智能体强化学习的干扰去除决策，得到干净信号；采用时空注意力建模对干净信号进行细节恢复，以得到增强后的脑电信号。基于强化学习机制对脑电信号的去噪流程进行选择优化，得到去除多类无关干扰的干净信号，提升脑电特征的整体信噪比和显著性效果。在此基础上，采取引入transformer注意力机制的时空间关系建模，利用脑电测试信号流固有的时序连续性与空间关联性，重建得到更高空间分辨率的信号，扩展脑电源数据的通道特征。最终达成提高信号空间分辨率从而提高识别精度的目的。
-
公开(公告)号：CN112528804A
公开(公告)日：2021-03-19
申请号：CN202011401703.7
申请日：2020-12-02
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于生成对抗网络的肌电信号降噪和分类方法，对肌电信号进行预处理后构建基于WGAN的肌电信号降噪生成对抗网络模型；将肌电信号输入到肌电信号降噪生成对抗网络模型中进行训练，最小化生成分布与真实数据分布的JS距离，实现含有噪声信号和肌电信号的映射，输出降噪后的肌电信号；将所述降噪后的肌电信号的格式转换成为二维的数字矩阵，通过采用多尺度卷积核卷积神经网络模型对二维的数字矩阵提取肌电信号特征；从通道和空间两个方向根据注意力机制选择重要信息，最后平铺池化数据利用Softmax分类器对肌电信号进行分类。
-
公开(公告)号：CN114847974A
公开(公告)日：2022-08-05
申请号：CN202210311583.4
申请日：2022-03-28
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种动态脑电信号采集系统，包括：脑电信号采集模块，用于采集脑电信号实时数据；运动信号采集模块，用于采集人体实时动态数据；多参数同步器，连接脑电信号采集模块和运动信号采集模块，用于使脑电信号采集模块和运动信号采集模块实现同步采集，并根据人体实时动态数据对脑电信号实时数据进行运动标记；运动伪迹滤除模块，连接多参数同步器，用于对具有运动标记的脑电信号实时数据进行运动伪迹滤除，得到纯净的脑电信号。本发明提供的动态脑电信号采集系统在数据采集过程中可以对脑电信号中的运动伪迹进行消除，得到纯净的脑电信号，保证了良好的脑电信号采集效果。
-
公开(公告)号：CN114748074A
公开(公告)日：2022-07-15
申请号：CN202210320714.5
申请日：2022-03-29
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于紫外光通信的脑电信号采集系统，包括：脑电信号采集模块，用于采集原始脑电信号；模拟前端，用于对原始脑电信号进行初步处理；微处理器，用于对模拟前端处理后的脑电信号进行调制；紫外光通信模块，其具有发射单元和接收单元；其中，发射单元连接微处理器，用于将经过微处理器调制的脑电信号转换为紫外光信号并发送出去；接收单元用于接收紫外光信号并将其还原为脑电信号。本发明采用紫外光通信方式进行信号传输，不仅避免了传统有线传输受距离和障碍物约束的问题，扩大了检测范围和距离，且弥补了现有射频通信易被窃听和干扰的缺点，提高了通信的准确性，适应于多种复杂场景。
-
公开(公告)号：CN211425662U
公开(公告)日：2020-09-04
申请号：CN201921942325.6
申请日：2019-11-12
Applicant: 西安电子科技大学
Abstract: 本实用新型公开了一种基于微透镜滤波阵列的红外长波多光谱成像装置，所述三反射式光学模块，用于收集目标红外辐射，借助折转反射镜来折叠光路，压缩入射目标红外辐射的光束口径，将入射辐射平行入射到微透镜滤波阵列；所述微透镜滤波阵列，位于红外探测器的前焦点处，用于对目标红外辐射进行多孔径成像和多光谱分光，将分光后的目标红外辐射汇聚到红外探测器的靶面；所述红外探测器，其靶面位于微透镜滤波阵列的焦平面处，用于分区域采集目标红外多光谱图像。本实用新型以一次同时得到目标的多个谱段的多光谱图像，无需数据重构处理，实现实时多光谱成像，可用于实时性要求较高的应用。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.029 seconds)
