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！

龙图腾网获悉大连大学申请的专利一种运动想象脑电信号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：CN117195049B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202311156660.4，技术领域涉及：G06F18/24；该发明授权一种运动想象脑电信号分类方法是由杜秀丽;丁晓辉;邱少明;吕亚娜;刘治国设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本一种运动想象脑电信号分类方法在说明书摘要公布了：本发明提供一种运动想象脑电信号分类方法，步骤包括：对原始脑电信号数据进行预处理，并将预处理后的脑电信号数据输入至改进的残差网络模型Resnet‑18中进行训练，最终将Resnet‑18输出的特征向量映射到类别空间，并进行分类；所述改进的残差网络模型Resnet‑18的残差结构由改进的可变形卷积构建而成，且Resnet‑18的最终处理层采用自适应空间注意力机制；所述改进的可变形卷积在卷积核的中心采样点上不添加偏移量，在卷积核的周围采样点上添加偏移量；所述自适应空间注意力机制基于脑电信号特征图的空间分布情况自动调整特征的权重。该方法能够提取更具区分性的特征并增强模型的泛化能力，提高运动想象脑电信号分类的准确度和性能。

本发明授权一种运动想象脑电信号分类方法在权利要求书中公布了：1.一种运动想象脑电信号分类方法，其特征步骤包括：对原始脑电信号数据进行预处理，并将预处理后的脑电信号数据输入至改进的残差网络模型Resnet-18中进行训练，最终将Resnet-18输出的特征向量映射到类别空间，并进行分类；所述改进的残差网络模型Resnet-18的残差结构由改进的可变形卷积构建而成，且Resnet-18的最终处理层采用自适应空间注意力机制；所述改进的可变形卷积在卷积核的中心采样点上不添加偏移量，在卷积核的周围采样点上添加偏移量；所述自适应空间注意力机制基于脑电信号特征图的空间分布情况自动调整特征的权重； 所述改进的可变形卷积在卷积核的中心采样点上不添加偏移量，在卷积核的周围采样点上添加偏移量，具体为： 当给定k个采样位置的卷积核，以Rk表示第k个采样位置预先指定的偏移量；假设,定义一个的3×3卷积核，去除中心采样点的偏移量，周围其他采样点预先指定的偏移量分别是Rk＝{-1,-1,-1,0,-1,1,0,-1,1,0,-1,1,0,1,1,1}；令xp和yp分别表示输入特征图x和输出特征图y中位置p处的特征；对于改进的可变形卷积运算，输出特征图y中的每个位置p0按下式1计算: 其中pn枚举Rk中的位置；ωp0表示卷积核中心采样点p0的权重大小；xp0表示输入特征图位置p0的值；ωpn表示卷积核p0位置的权重大小；Δpn表示偏移量大小；xp0+pn+Δpn表示输入特征图位置p0+pn+Δpn的值； 由改进的可变形卷积构建而成的残差结构具体为： 输入特征图通过一个改进的可变形卷积层进行卷积操作，该卷积操作的输出通过ReLU激活函数，经过ReLU激活函数后，特征图再次通过第二个改进的可变形卷积层；还包括一个直接从输入特征图跳跃到第二个改进的可变形卷积层输出的跳跃连接，在将输入添加到输出后，再次应用ReLU激活函数； 所述自适应空间注意力机制基于脑电信号特征图的空间分布情况自动调整特征的权重，具体为： 首先通过卷积操作处理输入特征图，获得一个与输入特征图尺寸相同的特征图；然后，将该特征图通过sigmoid函数变换，使每个位置的数值映射到0到1之间，生成权重特征图；再将原始输入特征图与这个权重特征图进行逐元素相乘，得到一个与输入特征图尺寸相同的新特征图；最后，通过平均池化操作将新特征图的空间维度减小至全局尺度，得到最终的特征表示。

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大连大学，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10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。