-
公开(公告)号：CN113017651A
公开(公告)日：2021-06-25
申请号：CN202110281415.0
申请日：2021-03-16
Applicant: 哈尔滨工业大学
Abstract: 一种情感EEG的脑功能网络分析方法，涉及一种情感EEG的脑功能网络分析技术，为了解决目前EEG情感脑功能网络分析中网络节点不一致导致通用性差的问题。本发明基于脑电信号的相关性和同步性，构建32节点小尺度脑功能网络，并将其分为二值网络和加权网络；对比分析二值和加权网络在不同情感下的全局和局部属性；利用定义脑区作为第二节点，研究该10个节点的局部属性；构建10节点大尺度脑功能网络，并对不同情感脑网络属性进行分析，得出10节点脑功能网络的局部属性；最后对比32节点与10节点脑功能网络的局部属性，得出局部属性变化的共同性及差异性，实现对不同情感脑电信号的网络分析。有益效果为通用性强。
-
公开(公告)号：CN112263242A
公开(公告)日：2021-01-26
申请号：CN202011156515.2
申请日：2020-10-26
Applicant: 哈尔滨工业大学
IPC: A61B5/08 , A61B5/0245 , A61B5/05 , A61B5/00
Abstract: 基于FMCW雷达的呼吸检测及模式分类方法，涉及生命体征检测技术领域。本发明是为了解决现有采用雷达方式对生命体征的测量无法对结果进行分类的问题。本发明首先通过FMCW雷达系统采集数据，并通过对数据计算来进行呼吸及心跳信号的分离、提取，实现对生命体征的非接触测量；其次通过利用矩形窗计算各时段呼吸的能量谱及阈值，比较二者大小实现对呼吸暂停的精准判断；最后分别利用VPD寻峰算法提取峰值、谷值及二者差值；计算归一化短时能量的平均值和标准差；利用HHT提取瞬时频率的平均值、标准差和最小值，最后采用SVM支持向量机和K邻近算法对提取的特征值分类，从而实现对多种呼吸模式的有效识别。
-
公开(公告)号：CN104224165B
公开(公告)日：2016-05-11
申请号：CN201410474988.5
申请日：2014-09-17
Applicant: 哈尔滨工业大学
IPC: A61B5/0476
Abstract: 基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法，本发明涉及一种信号抗差估计方法，具体涉及基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法。本发明目的是为解决目前粗差严重影响脑功能信号的准确提取。步骤一、使用光源S和D1和D2构成的近红外探头进行探测；步骤二、获得反应光强信息的电信号；步骤三、获取D1测得的Δ[HbO2]N(k)和Δ[HHb]N(k)，D2测得的Δ[HbO2]F(k)和Δ[HHb]F(k)；步骤四、用x(k)表示Δ[HbO2]N(k)或Δ[HHb]N(k)；步骤五、用y(k)表示Δ[HbO2]F(k)或Δ[HHb]F(k)；步骤六、脑功能信号表示为s(k)＝y(k)-βx(k)；步骤七、利用最小一乘准则求解使J(k)最小的权重系数β，获得误差性能函数J(k)，表示为步骤八、获得脑功能信号s(k)。本发明应用于信号处理领域。
-
公开(公告)号：CN102525422B
公开(公告)日：2014-04-02
申请号：CN201110442356.7
申请日：2011-12-26
Applicant: 哈尔滨工业大学
IPC: A61B5/00 , A61B5/1455
Abstract: 基于多距测量方法的经验模态分解优化算法的脑功能信号提取方法，涉及脑功能信号提取方法。它解决了当脑组织非均匀性严重时现有技术检测脑功能活动过程中氧合血红蛋白浓度变化Δ[HbO2]和还原血红蛋白浓度变化Δ[HHb]难以检测的问题。本发明通过检测器记录大脑安静状态下和诱发激励时漫反射光强，以获得两个不同波长λ1和λ2时的光密度变化量的时间序列：和和采用修正朗伯比尔定律获取r1测得的Δ[HbO2]N(k)和Δ[HHb]N(k)，r2测得的Δ[HbO2]F(k)Δ[HHb]F(k)；根据获得的所有参数推算出脑功能信号表达式；求解脑功能信号e(k)。本发明适用于医疗领域。
-
公开(公告)号：CN103529400A
公开(公告)日：2014-01-22
申请号：CN201310520317.3
申请日：2013-10-29
Applicant: 哈尔滨工业大学
Abstract: 一种具有温度自适应补偿的电池容量预测方法，本发明涉及电池容量预测方法。本发明是为了解决传统Peukert方程无法对温度造成的容量估计偏差进行修正的问题，而提供了一种具有温度自适应补偿的电池容量预测方法。步骤一、确定测试温度和放电倍率的变化范围；步骤二、在环境温度T1下，分别进行放电倍率为I1,I2,......,Im的电池放电实验；步骤三、将环境温度变更为T2，重复步骤二，计算该温度下的Peukert方程系数p(T2)和k(T2)；步骤四、建立环境温度与Peukert方程系数p和k之间的对应关系；步骤五、结合上述公式，得到电池容量与温度和放电电流的函数关系。本发明应用于锂电池参数检测领域。
-
Patent Agency Ranking
公开(公告)号：CN117462150A
公开(公告)日：2024-01-30
申请号：CN202311426236.7
申请日：2023-10-30
Applicant: 哈尔滨工业大学
IPC: A61B5/372
Abstract: 基于窄带约束增强的自适应连续变分脑电模态分解方法，解决了需要预先确定模式个数及模式中心频率问题，提高了模式分解性能，属于信号处理技术领域。本发明包括：输入脑电信号f(t)，建立脑电信号的模态分解的优化问题：J1为模式带宽，Th为带宽阈值，J2为余留信号fr(t)在uL(t)上的能量，J3为uL(t)在已分解的模式ui(t)上的能量；本发明对优化问题进行求解，逐次连续分解得到脑电信号分解后的第L个模式uL(t)。在最小带宽的基础上引入了额外的约束，要求模式最小带宽小于根据信号特征自动设置的阈值。本发明有着更优越的分解性能。
-
公开(公告)号：CN116776265A
公开(公告)日：2023-09-19
申请号：CN202310627329.X
申请日：2023-05-30
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/23213 , G06F18/214 , G06N3/0455 , G01M15/00 , G06F123/02
Abstract: 本申请涉及航空发动机异常检测技术领域，尤其涉及一种基于深度注意力数据增强的航空发动机异常检测方法，使用Encoder网络将训练集X映射到特征空间中Z；采用DA‑SMOTE在学习的特征空间中自适应地生成异常样本Znew，平衡欠采样后的训练集；再使用Decoder网络将异常样本Znew映射回原始空间#imgabs0#中，异常样本#imgabs1#与欠采样后的训练集X构成均衡的训练集；最后使用分类网络诊断发动机是否发生异常。本申请可以同时降低数据的不均衡程度和混叠程度，使用DA‑SMOTE在该特征空间中进行数据增强，可以进一步降低生成噪声数据的风险，还可以有效地从多维时间序列中提取复杂时序特征。
-
公开(公告)号：CN113017651B
公开(公告)日：2022-06-21
申请号：CN202110281415.0
申请日：2021-03-16
Applicant: 哈尔滨工业大学
Abstract: 一种情感EEG的脑功能网络分析方法，涉及一种情感EEG的脑功能网络分析技术，为了解决目前EEG情感脑功能网络分析中网络节点不一致导致通用性差的问题。本发明基于脑电信号的相关性和同步性，构建32节点小尺度脑功能网络，并将其分为二值网络和加权网络；对比分析二值和加权网络在不同情感下的全局和局部属性；利用定义脑区作为第二节点，研究该10个节点的局部属性；构建10节点大尺度脑功能网络，并对不同情感脑网络属性进行分析，得出10节点脑功能网络的局部属性；最后对比32节点与10节点脑功能网络的局部属性，得出局部属性变化的共同性及差异性，实现对不同情感脑电信号的网络分析。有益效果为通用性强。
-
公开(公告)号：CN113197573B
公开(公告)日：2022-06-17
申请号：CN202110547301.6
申请日：2021-05-19
Applicant: 哈尔滨工业大学
IPC: A61B5/11 , A61B5/16 , A61B5/318 , A61B5/00 , G06K9/00 , G06K9/62 , G06V40/18 , G06V40/16 , G06V10/80
Abstract: 基于表情识别及脑电融合的观影印象检测方法，属于观影印象检测领域。本发明为解决现有技术中无法定量评定用户对广告内容的主观印象以及不利于在大数据层面上分析的问题。本发明检测方法包括如下：采集观影时间段内的观影表情变化视频及脑电信号；根据观影表情变化视频，获得观看过程中的愉悦程度B1和专注程度B2，并将B1与B2的乘积作为表情印象指数m1；同时还对脑电信号进行傅里叶变化，获得功率谱密度P(w)；再根据P(w)获得各频段的频带能量占比及相关频段的频带能量比，并将其送入支持向量机SVM，获得脑电印象指数m2；利用DS决策融合算法对表情印象指数m1和脑电印象指数m2进行融合，从而获得决策结果m。主要用于对观影印象进行量化。
-
公开(公告)号：CN107220708A
公开(公告)日：2017-09-29
申请号：CN201710484675.1
申请日：2017-06-23
Applicant: 哈尔滨工业大学
IPC: G06N3/12 , G06K9/62 , A61B5/0476 , A61B5/00
CPC classification number: G06N3/126 , A61B5/0476 , A61B5/4812 , A61B5/7264 , G06K9/6229
Abstract: 本发明公开了一种用于睡眠脑电分期特征选择的自适应模拟退火遗传算法，通过脑电信号进行睡眠分期，需要从脑电信号中提取大量特征参数，从中筛选出相对最优的特征参数组合用于睡眠脑电数学模型的建立。在已有的模拟退火遗传算法中，保留了遗传算法较强的总体搜索能力和模拟退火算法较强的局部搜索能力，以期提高产生优良个体的概率。但现有算法对迭代过程中的个体进行模拟退火操作时，在当前最优解的邻域内随机产生新解的机制存在致命的缺陷，本发明针对这一缺陷，不仅解决了传统模拟退火遗传算法邻域新解产生机制的迭代效率低、受邻域范围影响大等缺点，而且能够实现交叉概率和变异概率的自适应调整，同时采用加权方式进行适应度函数的设计。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.026 seconds)
