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！

龙图腾网获悉南京信息工程大学申请的专利一种基于洛朗多项式的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：CN121176925B 。

龙图腾网通过国家知识产权局官网在2026-04-21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：202511736814.6，技术领域涉及：A61B5/374；该发明授权一种基于洛朗多项式的脑电信号分类方法是由严颖;荣山金;陈雅茹;李永浩;王昊;吴海虹;刘奕;吴曦浩;王思铖;黄可馨;宦安琦;喻顶其;项洪轩;洪浩文;王明杰设计研发完成，并于2025-11-25向国家知识产权局提交的专利申请。

本一种基于洛朗多项式的脑电信号分类方法在说明书摘要公布了：本发明涉及一种基于洛朗多项式的脑电信号分类方法，首先提取各段样本脑电信号分别对应预设各目标特征的特征值，然后自输入端至输出端依次串联缩放平移微调层、洛朗多项式层、激活层、全连接层、softmax层、输出层，构建待训练网络，最后以样本脑电信号所对应各目标特征值为输入，以样本脑电信号所对应类别为输出，针对待训练网络进行训练，获得脑电信号分类模型，用于针对脑电信号实现分类，设计方案将洛朗多项式展开与神经网络架构相结合，利用其独特的负幂次项和参考点机制，实现对脑电信号中复杂非线性模式有效捕捉，可广泛应用于脑机接口、健康监护等医疗健康领域，通过实时监测、早期预警提供可靠的技术支持。

本发明授权一种基于洛朗多项式的脑电信号分类方法在权利要求书中公布了：1.一种基于洛朗多项式的脑电信号分类方法，其特征在于，包括如下步骤： 步骤A.针对分别对应预设各类别的各段样本脑电信号，提取各段样本脑电信号分别对应预设各目标特征的特征值，并针对各段样本脑电信号中各目标特征值进行归一化处理更新，然后进入步骤B； 步骤B.自输入端至输出端依次串联缩放平移微调层、洛朗多项式层、激活层、全连接层、softmax层、输出层，构建待训练网络，然后进入步骤C； 步骤C.基于各段样本脑电信号，以样本脑电信号所对应各目标特征值为输入，以样本脑电信号所对应类别为输出，针对待训练网络进行训练，获得脑电信号分类模型，用于针对脑电信号实现分类； 步骤B中，缩放平移微调层接收样本脑电信号所对应各目标特征值，按如下公式： ； 获得样本脑电信号所对应各目标特征微调值，并输出至洛朗多项式层，其中，，表示样本脑电信号的数量，，表示目标特征的数量，表示第个样本脑电信号所对应第个目标特征值，表示第个目标特征所对应的缩放参数，表示第个目标特征所对应的平移参数，表示第个样本脑电信号所对应第个目标特征微调值； 洛朗多项式层接收样本脑电信号所对应各目标特征微调值，按如下公式： ； 获得样本脑电信号对应经洛朗多项式层处理后特征值向量，中特征值的数量为，并输出至激活层，其中，表示第个样本脑电信号对应经洛朗多项式层处理后特征值向量，表示负幂次展开阶数，表示正幂次展开阶数，表示洛朗展开式正幂次项阶系数张量，表示洛朗展开式负幂次项阶系数张量，与的维度均为，表示样本脑电信号对应经洛朗多项式层处理后特征值向量的维度数，，表示洛朗展开式中对应维度为的参考点向量，表示张量积，表示张量内积，，其中，表示洛朗展开式负幂次项阶系数张量分别对应各维度的数据，表示洛朗展开式中对应维度为的参考点向量的第个目标特征值； 激活层为非线性激活层，非线性激活层接收样本脑电信号对应经洛朗多项式层处理后特征值向量，按如下公式： ； ； 获得样本脑电信号对应经激活层处理后特征值向量，并输出至全连接层，其中，，表示第个样本脑电信号对应经洛朗多项式层处理后的第个特征值，表示第个样本脑电信号对应经激活层处理后特征值向量，表示第个样本脑电信号对应经激活层处理后的第个特征值； 全连接层接收样本脑电信号对应经激活层处理后特征值向量，按如下公式： 获得样本脑电信号分别对应各类别的分析结果值，并输出至softmax层，其中，表示类别的数量，表示第个类别所对应的权重，表示第个类别所对应的偏置量，表示第个样本脑电信号对应第个类别的分析结果值； softmax层接收样本脑电信号分别对应各类别的分析结果值，按如下公式： ； 获得样本脑电信号分别对应各类别的概率，并输出至输出层，其中，表示第个样本脑电信号对应第个类别的概率，表示对第个样本脑电信号对应第个类别的分析结果值进行指数运算； 步骤C中针对待训练网络执行训练的过程中，基于预设初始学习率，采用Adam优化器结合BP算法，按如下步骤，分别对参数、、参考点向量计算梯度并更新； 步骤a.根据洛朗多项式层的前向传播，按如下公式： ； ； 计算待训练网络训练过程中损失函数结果对参数的梯度； 按如下公式： ； ； 计算待训练网络训练过程中损失函数结果对参数的梯度； 按如下公式： ； ； 计算待训练网络训练过程中损失函数结果对参考点向量的梯度；然后进入步骤b；其中，，表示样本脑电信号的数量，表示第个样本脑电信号对应经洛朗多项式层处理后特征值向量，表示负幂次展开阶数，表示正幂次展开阶数，表示洛朗展开式正幂次项阶系数张量，表示洛朗展开式负幂次项阶系数张量，与的维度均为，表示样本脑电信号对应经洛朗多项式层处理后特征值向量的维度数，表示目标特征的数量，，表示第个样本脑电信号所对应第个目标特征微调值，表示洛朗展开式中对应维度为的参考点向量； 步骤b.根据待训练网络训练过程中损失函数结果分别对参数、参数、参考点向量的梯度，由Adam优化器分别对参数、参数、参考点向量进行更新。

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南京信息工程大学，其通讯地址为：210032 江苏省南京市江北新区宁六路219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。