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！

龙图腾网获悉电子科技大学申请的专利缺失脑电模态下的工作负荷识别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：CN118924296B 。

龙图腾网通过国家知识产权局官网在2025-11-11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：202410944261.2，技术领域涉及：A61B5/16；该发明授权缺失脑电模态下的工作负荷识别方法是由叶娅兰;潘桐杰;贺雨杰;蒋泓宇设计研发完成，并于2024-07-15向国家知识产权局提交的专利申请。

本缺失脑电模态下的工作负荷识别方法在说明书摘要公布了：本发明公开了一种缺失脑电模态下的工作负荷识别方法，属于生理信号识别领域。本发明首先对原始的包含脑电信号的多模态数据进行简单的预处理，然后利用对不同的生理信号模态进行时域特征和频域特征的提取，使得特征包含的特征更加的全面；紧接着为了使得在推理过程中能够获得脑电的特征，基于所设置的脑电特征生成模块，通过增大脑电特征和其他特征之间的互信息使得生成的难度更低，从而使得模型在缺失脑电模态时也能拥有丰富的特征；为了减少融合特征中的冗余特征，使用了自编码器对特征进行降维。针对脑电信号的不便于采集，本发明能够帮助基于脑电开发的工作负荷识别模型在实际应用中进行部署，保障工作负荷识别模型的应用落地。

本发明授权缺失脑电模态下的工作负荷识别方法在权利要求书中公布了：1.缺失脑电模态下的工作负荷识别方法，其特征在于，包括下列步骤： 步骤1，设置工作负荷识别模型，其包括生理信号特征提取网络、脑电特征生成模块、特征融合模块和分类器； 其中，生理信号特征提取网络用于提取不同模态的生理信号的信号特征； 脑电特征生成模块的输入为非脑电信号的生理信号的信号特征，获取不同模态之间的交互信息特征，再融合所有交互信息特征得到其输出特征，即生成的脑电信号特征； 特征融合模块用于对生理信号特征提取网络输出的非脑电信号的信号特征和生成的脑电信号特征进行去冗余的特征融合，得到用于输入分类器的多模态去冗特征； 分类器用于输出工作负荷类别的分类概率； 步骤2，基于采集的训练数据集对工作负荷识别模型进行训练，以得到训练好的工作负荷识别模型； 训练时，总损失函数为脑电特征生成模块的损失函数、特征融合模块的损失函数和分类损失的加权和；其中，脑电特征生成模块的损失函数包括重建损失和交互信息损失；其中，脑电特征生成模块的交互信息损失为：脑电信号与非脑电信号的信号特征之间的互信息的相反数的总和； 脑电特征生成模块包括：模态特征转换模块和Transformer编码器； 模态特征转换模块用于对输入的每一种模态的生理信号的信号特征进行特征变换，再将变换后的特征输入Transformer编码器； Transformer编码器用于计算任意两种模态的信号特征之间的交互信息特征； 对Transformer编码器输出的所有交互信息特征相加得到脑电特征生成模块的输出； 其中，模态特征转换模块包括级联的第一线性层、ReLU激活函数层，批量归一化层和第二线性层。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。