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。

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。