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！

龙图腾网获悉河海大学申请的专利基于动态联合领域适应网络的脑电自适应分类方法及应用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：CN120493029B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510978628.7，技术领域涉及：G06F18/241；该发明授权基于动态联合领域适应网络的脑电自适应分类方法及应用是由陈培垠;冯辉;薛云灿;蒋晟设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于动态联合领域适应网络的脑电自适应分类方法及应用在说明书摘要公布了：本发明涉及基于动态联合领域适应网络的脑电自适应分类方法及应用，该方法首先进行EEG信号采集及预处理后传输至上位机；上位机接收预处理后的EEG信号后，基于动态联合领域适应网络DJDAN模型进行信号的特征提取和分类，所述DJDAN模型包含特征提取器、分类器、全局域判别器和局部域判别器；上位机将分类器输出的运动意图标签转化为康复设备所需的控制信号；康复设备根据患者的训练动作产生反馈信号并传输给上位机，上位机记录并评估患者的训练进展。本发明可以实现基于脑电信号的运动意图识别，应用于脑卒中患者的智能康复训练系统，提高康复效果和患者的运动能力。

本发明授权基于动态联合领域适应网络的脑电自适应分类方法及应用在权利要求书中公布了：1.一种基于动态联合领域适应网络的脑电自适应分类方法，其特征在于，该方法包括以下步骤： S1.EEG信号采集及预处理：采集脑电信号，即EEG信号，并对采集的原始EEG信号使用三阶巴特沃斯带通滤波器进行4-38Hz频段滤波，随后对滤波后的信号进行指数移动标准化处理后传输至上位机； S2.信号处理与特征提取：上位机接收步骤S1预处理后的EEG信号后，基于动态联合领域适应网络DJDAN模型进行信号的特征提取和分类，所述DJDAN模型包含特征提取器、分类器、全局域判别器和局部域判别器； S3.康复控制信号输出：上位机将分类器输出的运动意图标签转化为康复设备所需的控制信号； S4.反馈与评估：康复设备根据患者的训练动作产生反馈信号并传输给上位机，上位机记录并评估患者的训练进展； 步骤S2具体包括： S2.1.特征提取器：所述特征提取器使用卷积神经网络ConvNet结构，采用时间卷积和空间卷积分别提取EEG信号的时域特征和空间特征；首先是时间卷积层，沿时间轴对EEG信号进行卷积，使用40个长度为25的卷积核，学习时间频率信息；然后是空间卷积层，对时间卷积的输出进行电极间的空间卷积，使用40个卷积核，核长度等于电极数量，学习电极间的空间依赖关系；最后是依次通过批量归一化BN层、平方激活函数、平均池化层、对数激活函数及Dropout层，生成具有高辨别力的深度特征，记为，其中为模型一次处理的EEG信号单元，为输出特征向量所在的空间，是这个特征向量的维度； S2.2.分类器：所述分类器接收由特征提取器生成的深度特征，通过全连接层与操作对信号进行分类，输出患者的运动意图标签，其中为权重矩阵，为偏置项，表示归一化指数函数，其作用是返回输入向量中值最大元素的索引，表示激活函数，它能将一个实数向量转换成一个概率分布向量，所述标签对应不同的运动类别，分类器损失函数为交叉熵损失： ， 其中是任务的总类别数，是真实标签的one-hot表示，是模型预测概率，表示以e为底的自然对数； S2.3.全局域判别器：所述全局域判别器用于通过对由特征提取器生成的深度特征进行二分类，判断由特征提取器生成的深度特征是否来自源域或目标域，全局域判别器用于减少源域与目标域之间的全局分布差异，全局对抗损失定义为： ， 其中是来自源域的样本，是来自目标域的样本，表示在源域的数据分布上求得的期望，表示在目标域的数据分布上求得的期望，是特征提取器输出的深度特征，是全局域判别器对输入特征进行二分类的概率输出，输出值为之间，代表为源域的概率，表示以e为底的自然对数； S2.4.局部域判别器：所述局部域判别器用于减小源域与目标域在细粒度子域上的分布差异，局部域判别器借助分类器预测的患者的运动意图标签，利用条件对抗学习进一步对特征提取器生成的深度特征进行对齐，确保分类器学习到的特征在不同域之间的一致性，针对每个类别，引入类条件的局部判别器，利用预测标签概率加权特征进行判别，局部域判别器损失为： ， 其中是局部域判别器在第类别上的二分类概率输出，表示源域中样本属于类别的预测概率，表示目标域中样本属于类别的预测概率，是特征提取器输出的深度特征，是分类器的类别预测概率与特征的乘积，作为条件特征输入局部域判别器； S2.5.训练与优化：DJDAN模型的训练通过优化总损失函数实现，总损失函数定义为： ， 其中，为平衡分类损失和域判别损失的超参数，为动态对抗因子，用于动态调整全局域判别器损失和局部域判别器损失的相对重要性；引入动态对抗因动态调整全局与局部域判别器的权重，其计算公式为： ， 其中表示任务的总类别数，是所有类别下局部A距离的平均值；若趋近1，表明训练更关注全局域差异；趋近0时，更多关注局部域的一致性。

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河海大学，其通讯地址为：210024 江苏省南京市鼓楼区西康路1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”。