买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉厦门理工学院申请的专利基于聚合感知增强卷积Transformer网络的EEG信号解码方法、装置、设备和介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120067843B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510550978.3，技术领域涉及：G06F18/2413；该发明授权基于聚合感知增强卷积Transformer网络的EEG信号解码方法、装置、设备和介质是由黄江茵;邹家祥设计研发完成，并于2025-04-29向国家知识产权局提交的专利申请。

本基于聚合感知增强卷积Transformer网络的EEG信号解码方法、装置、设备和介质在说明书摘要公布了：基于聚合感知增强卷积Transformer网络的EEG信号解码方法、装置、设备和介质，涉及EEG信号解码技术领域。EEG信号解码方法包含S1、获取离线数据。S2、根据EEG数据提取多尺度浅层局部特征。S3、对多尺度浅层局部特征进行交互式强化学习，获取重校准后的多个特征。S4、将重校准后的多个特征进行融合，获取第一融合特征。S5、将第一融合特征输入到位置感知增强模块，获取位置感知增强特征。S6、精细化特征长程依赖与局部关联，获取全面的特征表达。S7、将全局精细化特征输入分类器，以完成对模型的训练，得到可用于实时预测的预训练模型。S8、获取实时数据。S9、将实时数据输入预训练模型，获取解码结果。

本发明授权基于聚合感知增强卷积Transformer网络的EEG信号解码方法、装置、设备和介质在权利要求书中公布了：1.一种基于聚合感知增强卷积Transformer网络的EEG信号解码方法，其特征在于，包含： 获取EEG信号的离线数据； 根据所述离线数据，通过时空卷积模块提取多尺度浅层局部特征； 通过自适应特征重校准模块对所述多尺度浅层局部特征进行交互共享以及强化关键特征，获取重校准后的多个特征； 将重校准后的多个特征进行融合，获取第一融合特征； 将第一融合特征输入到位置感知增强模块中通过并行的增强卷积提取深层细粒度特征，并对深层细粒度特征进行自适应编码，获取位置感知增强特征； 通过稀疏信息聚合Transformer模块对所述位置感知增强特征进行精细化处理，提取长程依赖与局部关联，获取全局精细化特征； 将所述全局精细化特征输入分类器，以完成对模型的训练，得到可用于实时预测的预训练模型； 获取EEG信号的实时数据； 将所述实时数据输入所述预训练模型，获取实时EEG信号的解码结果； 通过稀疏信息聚合Transformer模块对所述位置感知增强特征进行精细化处理，提取长程依赖与局部关联，获取全局精细化特征，具体包括： 通过滑动窗口对所述位置感知增强特征进行区块划分，获取多个区块； 将多个区块分别均值化，对区块内连续的Token进行平均运算聚合成一个单独块表示，获取聚合区块； 通过最高注意力机制，计算各个聚合区块的注意力分数，筛选出的k个重要区块，恢复重要区块的原始Token，获取最高注意力区块； 通过门控机制组合所述聚合区块和所述最高注意力区块，获取所述全局精细化特征； 将所述全局精细化特征输入分类器，以完成对模型的训练，得到可用于实时预测的预训练模型，具体包括： 利用展平层对特征进行展平降维操作，将多维的特征转换为一维进行特征整合； 将展平后的特征通过两个全连接层处理；其中，训练阶段在两个全连接层中插入随机失活层； 将全连接层处理后的特征，通过softmax函数，计算出每个类别的预测概率，以此完成对模型的训练，得到可用于实时预测的预训练模型； 将实时预处理后的数据输入所述预训练模型，获取实时EEG信号的解码结果，具体包括： 首次预测时，待缓冲区积累一个完整窗口数据后，利用预训练模型开展预测； 每新采集一个滑动距离的数据量，用预训练模型对此窗口内的数据实施预测； 每一次的预测结果都映射为控制指令。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人厦门理工学院，其通讯地址为：361024 福建省厦门市集美区理工路600号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。