Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京理工大学叶建宏获国家专利权

北京理工大学叶建宏获国家专利权

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!

龙图腾网获悉北京理工大学申请的专利基于非线性交叉频率调制网络的脑电识别方法与系统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:CN118948277B

龙图腾网通过国家知识产权局官网在2025-09-09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:202410992403.2,技术领域涉及:A61B5/16;该发明授权基于非线性交叉频率调制网络的脑电识别方法与系统是由叶建宏;李玮峰;史文彬设计研发完成,并于2024-07-23向国家知识产权局提交的专利申请。

基于非线性交叉频率调制网络的脑电识别方法与系统在说明书摘要公布了:本发明公开了基于非线性交叉频率调制网络的脑电识别方法与系统,涉及脑电信号处理技术领域,实现了非线性划分目标频带并能自适应提取交叉频率耦合特征,其技术方案具体为:预处理模块,用于接收采集的原始脑电信号并进行预处理。频带分解与特征表示模块,用于对预处理后的脑电信号基于eMEMD进行频带划分,非线性地提取目标频带的信号分量。交叉频率耦合层,用于捕获不同频带间的耦合信息,输出交叉频率耦合特征。CNN1D‑ALSTM模型,结合一维卷积神经网络的时序特征提取能力以及Bi‑LSTM的长序列学习能力,捕获交叉频率耦合特征中的时序特征。空间解码模块,用于对时序特征进行空间解码获得时空特征。情绪分类模块用于将时空特征投射到待分类的情绪空间中。

本发明授权基于非线性交叉频率调制网络的脑电识别方法与系统在权利要求书中公布了:1.基于非线性交叉频率调制网络的脑电识别系统,其特征在于,包括预处理模块、频带分解与特征表示模块、交叉频率耦合层、CNN1D-ALSTM模型、空间解码模块以及情绪分类模块: 所述预处理模块,用于接收采集的原始脑电信号并进行预处理; 所述频带分解与特征表示模块,用于对预处理后的脑电信号基于eMEMD进行频带划分,非线性地提取目标频带的信号分量; 所述交叉频率耦合层,用于捕获不同频带间的耦合信息,输出交叉频率耦合特征; 所述CNN1D-ALSTM模型,结合一维卷积神经网络的时序特征提取能力以及Bi-LSTM的长序列学习能力,捕获所述交叉频率耦合特征中的时序特征; 所述空间解码模块,用于对所述时序特征进行空间解码获得时空特征; 所述情绪分类模块用于将所述时空特征投射到待分类的情绪空间中; 所述频带分解与特征表示模块,具体采用如下方式: S1.剩余信号设定为,初始化等于输入信号;C代表了脑电信号通道数,T代表了脑电信号采样点个数,为C×T维的实数集; S2.生成一个掩模频率序列,其中,是采样频率;为掩模频率序列中的第q个频率值,q初始化为1; (1) S3.根据步进策略设计掩模信号集,其中为自定常数,为第k个掩模信号: (2) 其中*为标准差,为第k个掩模相位; S4.第k相位的第一阶本征模函数;;代表取第k相位的第一阶本征模函数的操作,当时,令自增1,返回S3;否则,计算第q阶本征模函数,; S5.若,计算新的剩余信号为原剩余信号减去,自增1,重复返回S3;否则,停止循环; 由此获取四个经验频带下的窄带信号,,,; S6.在单次试验下,通过长度为的非重叠Hanning窗口对每个经验频带下的窄带信号进行分割,窄带信号,,,维度变成;将,,,形状重塑成,再完成Conv1D卷积,得到的,,,,Tf表示卷积后的特征数,;kd表示卷积核大小,sd表示步长; 四个经验频带下的窄带信号,,,对应的时间序列分别为,,,; 所述交叉频率耦合层,用于捕获不同频带间的耦合信息,输出交叉频率耦合特征表示为 (4) 其中代表哈德曼积,tanh·代表tanh激活函数,σ·代表σ激活函数,由σ激活函数激活时间序列和,由tanh函数规则化时间序列和; 所述CNN1D-ALSTM模型包括Conv1D层、MaxPool层、BatchNorm层、第一BiLSTM层、第二BiLSTM层以及自注意力机制层; 其中卷积层-Conv1D层、最大池化层-MaxPool层、批标准层-BatchNorm层组成第一阶段;所述Conv1D层借助卷积核充当自动特征提取器;之后,借助长度为的MaxPool层下采样;并且BatchNorm层用于特征正则化; 第一BiLSTM层和第二BiLSTM层组成第二阶段;自注意机制用于为每个循环编码切片分配重要性,并聚合这些信息以形成最终表示,获得所述交叉频率耦合特征中的时序特征。

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北京理工大学,其通讯地址为:100081 北京市海淀区中关村南大街5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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。