公开(公告)号：CN119167177A

公开(公告)日：2024-12-20

申请号：CN202411332025.1

申请日：2024-09-24

Applicant: 长春工程学院

Inventor： 耿晓中 ,  梁起鹏 ,  陈成 ,  鲍杰 ,  于萍 ,  张欣彤

IPC: G06F18/241 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/08 ,  G06N3/0442 ,  G06N3/048

Abstract: 本发明公开了一种基于脑电信号的情感识别SimAM‑CRNN方法，包括以下步骤：根据电极布置将头顶空间构建为一个h×w矩阵；将原始EEG信号分成N段，经过分解、提取、排列、叠加以获得3D特征；经过处理的脑电信号输入到基于SimAM注意力机制的CNN中，经过最大池化层，展平之后全接连，进行初步识别；经过SimAM‑CNN的特征提取后输入到LSTM单元进行时间维度信息的提取；通过softmax层作为分类器，将提取的特征集合作为输入以进行情感识别。本发明在4D‑CRNN的基础上加入了SimAM注意力机制，SimAM能够在不增加网络参数的情况下，为特征图推断3D注意力权重，更好地提取情绪相关特征。此外，加入了Batch Normalization层，加速了网络收敛并提高了准确率，同时防止了数据过拟合。

公开(公告)号：CN118013263A

公开(公告)日：2024-05-10

申请号：CN202410188873.3

申请日：2024-02-20

Applicant: 长春工程学院

Inventor： 耿晓中 ,  汪林恩 ,  张茜 ,  于萍 ,  张欣彤 ,  户唯新 ,  梁起鹏 ,  陈成

IPC: G06F18/2131 ,  G06F18/2411 ,  G06F18/10 ,  G06N20/10

Abstract: 本发明公开了一种基于DWT‑EEMD的运动想象脑电信号特征提取方法，对预处理后的脑电信号进行离散小波变换，实现多尺度分解，将脑电信号分解成一系列窄带信号，以获取不同频率范围内的局部时频特征；利用EEMD对DWT得到的子带信号进行分解，将每个子带信号分解成若干个固有模态函数I MF；将选定的I MFs组合进行重构，利用整合后的特征向量建立分类器或回归模型，用于脑电信号的分析、分类或预测；利用建立的模型进行性能评估，使用交叉验证方法验证模型的泛化能力；输入支持向量机SVM进行分类，验证交叉融合算法的特征提取性能。本发明的优势在于充分利用了不同尺度和频率下的特征，提高了对脑电信号的表征能力，从而为分类任务提供更准确的特征。

公开(公告)号：CN119249137A

公开(公告)日：2025-01-03

申请号：CN202411339622.7

申请日：2024-09-25

Applicant: 长春工程学院

Inventor： 耿晓中 ,  户唯新 ,  梁起鹏 ,  张英杰 ,  鲍杰 ,  张欣彤

IPC: G06F18/2131 ,  A61B5/374 ,  A61B5/372 ,  A61B5/00 ,  G06F18/2411 ,  G06F18/25 ,  G06N20/10

Abstract: 本发明公开了一种基于小波包和样本熵的疲劳脑电特征提取方法，包括以下步骤：首先对经过预处理后的脑电信号进行小波包变换；以获得不同频带的信号，获取局部时频特征；计算小波包分解后四个基本节律的频带能量，并确定其相对能量值和能量比值特征；计算脑电信号的样本熵，量化所述脑电信号的复杂度；将节律相对能量值，能量比值特征和样本熵组合成一个综合特征向量，使用交叉验证等方法验证模型的泛化能力；将构建的特征向量输入支持向量机中进行分类，验证交叉融合算法的特征提取性能和疲劳状态识别准确率。本发明不仅提高了信号分析的精度和分辨率，还增强了特征的辨别能力和分类性能，从而为脑电信号分类，疲劳检测应用带来了显著的优势。

公开(公告)号：CN119105646A

公开(公告)日：2024-12-10

申请号：CN202411137445.4

申请日：2024-08-19

Applicant: 长春工程学院

Inventor： 张英杰 ,  耿晓中 ,  励芝林 ,  张欣彤 ,  张广桥 ,  孔德刚 ,  郭向京 ,  韩秀媛 ,  李天宇 ,  郭瑞

IPC: G06F3/01 ,  G06F18/2131 ,  G06F18/241 ,  G06F18/25

Abstract: 本发明公开了一种基于特征融合和位姿反馈的运动想象脑机接口控制系统及方法，包括：控制器系统和运动执行机构；控制器系统包括：主控制器和从控制器；主控制器包含脑电信号采集模块和脑电信号处理模块；脑电信号采集模块用于采集多模态脑电信号；脑电信号处理模块用于特征矩阵融合，空间对角化特征提取以及模式分类；从控制器包括：运动控制模块，用于根据运动意图和空间位姿校正综合生成运动指令以及驱动运动执行机构；运动执行机构用于运动想象脑电信号动作的具体实现。本发明提高了运动想象模式分类的准确率和响应时间。增强与外部执行机构的运动整合控制的实用性。极大地提高机器人在复杂空间运动的准确性、实时性和灵活性。

公开(公告)号：CN119251733A

公开(公告)日：2025-01-03

申请号：CN202411348952.2

申请日：2024-09-26

Applicant: 长春工程学院

Inventor： 耿晓中 ,  陈成 ,  户唯新 ,  于萍 ,  张欣彤 ,  鲍杰

IPC: G06V20/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 本发明公开了一种基于Video Swin Transformer的视频分类识别方法，包括以下步骤：准备待识别的数据集；对数据集进行预处理、并将特征图信息进入网络块，特征图进行多尺度融合模块；模型使用I3D分类头，对8个类别进行最终的分类；根据模型的分类结果绘制混淆矩阵，并对模型分类错误的样本进行重新分类或调整分类边界。本发明的模型采用了Vdieo Swin Transformer的滑动窗口设计，这使得模型能够跨窗口学习特征信息，较多的减少了计算中的参数量；并且，层级化的模型能够处理超分辨率的图片信息，也减少了计算资源的消耗；该模型增加了一个时间维度T，时间维度用于捕获传入视频的连续时间帧信息，将窗口化注意力的作用范围从空间领域扩展到时空领域。

公开(公告)号：CN118133138A

公开(公告)日：2024-06-04

申请号：CN202410188874.8

申请日：2024-02-20

Applicant: 长春工程学院

Inventor： 耿晓中 ,  张茜 ,  汪林恩 ,  户唯新 ,  梁起鹏 ,  陈成 ,  张欣彤

IPC: G06F18/2411 ,  G06N20/10 ,  G06N3/006 ,  G06F18/213

Abstract: 本发明公开了一种基于PSO优化SVM的脑电信号分类算法，包括以下步骤：确定参数c,g的范围，种群数量N、最大迭代次数max‑cycle，惯性权重w，第一代粒子的初始位置p，速度v以及最大速度Vmax；对所述种群中的每个粒子进行SVM算法运算，计算求得适应度值，并比较其值得大小，从个体最优解找到局部最优解；与历史局部最优比较，进行更新，确定全局区域中的最优粒子；通过计算得到每个所述最优粒子的新的速度和新的位置，直至达到终止条件；循环终止后，选取全局所述最优粒子，即适应度最高的C，g参数，作为SVM参数进行分类器的训练。本申请采用PSO‑SVM方法对EEG信号进行分类识别得到的分类准确率远高于其他文献方法，进一步证明了本申请方法对脑电信号特征提取以及分类识别的有效性。

公开(公告)号：CN117972545A

公开(公告)日：2024-05-03

申请号：CN202410170203.9

申请日：2024-02-06

Applicant: 长春工程学院

Inventor： 耿晓中 ,  张茜 ,  岳梦哲 ,  张欣彤 ,  于萍 ,  汪林恩 ,  户唯新 ,  陈成 ,  梁起鹏

IPC: G06F18/2411 ,  A61B5/369 ,  A61B5/372 ,  A61B5/291 ,  A61B5/00 ,  G06F18/214 ,  G06N20/10

Abstract: 本发明属于脑机接口技术领域，且公开了基于改进LMD‑CSP的运动想象脑电信号融合处理算法，该处理算法步骤如下:S1,数据预处理：S2,LMD分解：S3,频带选择：S4,特征提取：S5,特征向量构建：S6,SVM分类器训练：S7,分类与预测。本发明通过验证新特征提取方法的有效性，实验采用了9名受试者的左右手运动想象EEG信号作为数据，采用被试间设计，确保了实验的公正性和客观性，通过图2对比CSP和LMD‑CSP两种方法，LMD‑CSP在分类准确率上表现更佳，达到88.6％，而CSP仅为77.8％，这一显著差异证明了改进后的特征提取方法能够更好地捕捉脑电信号中的有用信息，从而提高了分类的准确性。因此，体现出提特征提取方法具有有效性和优越性，为脑‑机接口领域的发展提供了新的思路和方法。