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！

龙图腾网获悉云南大学申请的专利一种利用多分支特征提取的运动想象分类方法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：CN115481695B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202211176731.2，技术领域涉及：G06F18/2415；该发明授权一种利用多分支特征提取的运动想象分类方法是由杨云;张炎;王泽深;林钰尧设计研发完成，并于2022-09-26向国家知识产权局提交的专利申请。

本一种利用多分支特征提取的运动想象分类方法在说明书摘要公布了：本发明提供了一种利用多分支特征提取的运动想象分类方法，包括以下步骤：S1：原始EEG信号获取；S2：EEG信号预处理衡；S3：空间特征提取；S4：频率特征提取；S5：时间特征提取；S6：加权融合S3、S4和S5过程中提取的特征，利用融合后的特征采用softmax进行EEG信号分类，根据softmax输出的各参数的大小，选取最大的参数所对应的类别，该类别就是最终的分类结果；本发明解决了现有技术中存在的脑电信号分类精度低的问题。

本发明授权一种利用多分支特征提取的运动想象分类方法在权利要求书中公布了：1.一种利用多分支特征提取的运动想象分类方法，其特征在于，包括以下步骤： S1：原始EEG信号获取，从公开运动想象数据库中收集原始的EEG信号； S2：EEG信号预处理：将原始的EEG信号划分为训练集、验证集和测试集；对训练集的EEG信号进行等值分段处理，将分段后的EEG信号拼接滑动扩增使得EEG信号由类别不平衡到类别平衡； S3：将S2过程中滑动扩增后的EEG信号进行特征提取，得到空间特征； S4：将S2过程中滑动扩增后的EEG信号进行分段处理后，输入一种三层的频率特征提取分支模型，用于提取EEG信号中包含的频率特征； S5：对S2过程中滑动扩增后的EEG信号提取时间特征； S6：加权融合S3、S4和S5过程中提取的特征，利用融合后的特征采用softmax进行EEG信号分类，根据softmax输出的各参数的大小，选取最大的参数所对应的类别，该类别就是最终的分类结果； S7：将验证集输入模型中，将验证集的损失作为模型参数更新的标准，当验证集损失减小时，更新模型的参数；最后用测试集的准确率来作为评估； 所述S3具体为： S31：首先根据EEG信号的采集电极的位置排布，构建出一个适用于EEG信号的图G：对EEG信号的采集电极的位置进行二维投影，得到每个节点有上、下、左、右、左上、右上、左下、右下共8个自然相邻的节点，将所有采集电极的节点都与其自然相邻节点相连，构成图G； S32：将原始EEG信号经空间注意力机制，输出的特征信号结合图G做图卷积神经网络中的图嵌入表示，将特征信号中加入采集电极在空间中排布的位置特征，对每一个时间点的空间特征图中的每一个通道节点做二重的嵌入表示，得到具有图嵌入的空间注意力机制的特征； 所述S4具体为： S41：确定EEG信号的采样频率，以及确定评估运动想象的一个周期的时间，以长度为P的数据点决定一个运动想象的结果，EEG信号的每条数据使用Q个通道，即每条数据有P×Q个数据点，将所有数据作为频率特征提取分支模型的输入； S42：上述数据被输入到频率特征提取分支模型的第一层中，第一层是一个普通的卷积神经网络CNN；第二层是一个逐通道的卷积层，在二维平面内进行的卷积运算，卷积核的数量与第一层的通道数相同；第三层是一个逐点卷积层，卷积核大小固定1×1，逐点卷积运算将第二层输出的featuremap在深度方向上进行加权组合，最终EEG信号依次经过三层处理后得到的结果即为获取到的频率特征； 所述S5具体为： S51：对S2中滑动扩增后的EEG信号的每一个通道进行数据分割，分成X个段，然后输入时间特征提取分支模型的第一层中； S52：第一层由普通的卷积神经网络组成，用于对信号进行映射，提取EEG信号中的频率信息，然后输入到第二层； S53：第二层由注意力机制和全连接网络组成，自动提取EEG信号中的长距离的时间特征。

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云南大学，其通讯地址为：650091 云南省昆明市五华区翠湖北路2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。