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！

龙图腾网获悉清华大学申请的专利基于结构稀疏正则化的多变量脑肌电耦合分析方法及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：CN119833135B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411853836.6，技术领域涉及：G16H50/30；该发明授权基于结构稀疏正则化的多变量脑肌电耦合分析方法及系统是由李翀;季林红;孙晶尧;贾天宇设计研发完成，并于2024-12-16向国家知识产权局提交的专利申请。

本基于结构稀疏正则化的多变量脑肌电耦合分析方法及系统在说明书摘要公布了：本发明公开了基于结构稀疏正则化的多变量脑肌电耦合分析方法及系统，本发明的方法包括同步采集脑肌信号；对采集到的脑肌信号分别进行数据预处理，并将预处理后的数据分割为若干个不同的样本数据段；利用快速傅利叶算法对样本数据段中的脑肌信号进行频域分析，以计算脑肌信号各自的自功率谱矩阵以及之间的交叉谱矩阵；基于自功率谱矩阵和交叉谱矩阵，并通过结构稀疏化典型相干性算法提取多导联脑肌信号之间的皮质肌肉耦合特征，以重建皮质肌肉耦合特征相关的脑地形图。本发明可以在低样本量和高噪声水平下，鲁棒地识别健康人和卒中患者皮质肌肉耦合特征、稳健地恢复皮质肌肉耦合相关的脑地形图。

本发明授权基于结构稀疏正则化的多变量脑肌电耦合分析方法及系统在权利要求书中公布了：1.一种基于结构稀疏正则化的多变量脑肌电耦合分析方法，其特征在于，包括： 同步采集脑肌信号； 对采集到的脑肌信号分别进行数据预处理，并将预处理后的数据分割为若干个不同的样本数据段； 利用快速傅利叶算法对样本数据段中的脑肌信号进行频域分析，以计算脑肌信号各自的自功率谱矩阵以及之间的交叉谱矩阵； 基于自功率谱矩阵和交叉谱矩阵，并通过结构稀疏化典型相干性算法提取多导联脑肌信号之间的皮质肌肉耦合特征，以重建皮质肌肉耦合特征相关的脑地形图；包括： 定义交叉谱矩阵为： 其中，X∈Cn×p代表脑电信号的复数据矩阵，Y∈Cn×q代表肌电信号的复数据矩阵，n代表数据分段数量，p代表脑电的导联数量，q代表肌电的导联数据，H代表厄米特转置；结构稀疏化典型相干性算法的优化问题如下： 其中，α∈Rp×1和β∈Rq×1分别为脑电信号和肌电信号的实值投影向量，φ为求解优化问题的辅助变量，I为单位矩阵，λ1、λ2、γ1和γ2为优化问题的正则化超参数，Lα和Lβ分别是脑电信号和肌电信号的拉普拉斯矩阵，为对角度矩阵D与邻接矩阵C之差； 求解优化问题2，采用如下所示的交替优化算法：初始化α和β为单位向量，φ取π4；固定优化参数β和φ，将原优化问题简化为： 定义近似点算子f为如下形式： 对于非约束凸优化问题3，梯度下降法被重新形式化为近端正则化形式： 其中，是XHYexp-iφ的实部，Pα是投影向量α的1-范数，Tα是投影向量α的迭代步长；利用快速的迭代阈值收缩算法FISTA解决LASSO问题5； 当固定优化参数α和φ时，将原优化问题简化为： 同时，优化参数β的迭代公式为： 其中，Pβ是投影向量β的1-范数，Tβ是投影向量β的迭代步长； 当固定优化参数α和β时，将原优化问题简化为： 利用Levenberg-Marquardt算法求解优化参数φ的最优解，在经过若干次迭代后，得到原优化问题2的最优解。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。