-
公开(公告)号：CN114052734A
公开(公告)日：2022-02-18
申请号：CN202111403187.6
申请日：2021-11-24
Applicant: 西安电子科技大学
Abstract: 本申请涉及信息技术领域，具体提供了一种基于渐进式图卷积神经网络的脑电情感识别方法。该方法包括如下步骤：S1，获取情绪脑电数据，并对其进行预处理；S2，构建渐进式图卷积神经网络；S3，训练图卷积神经网络；S4，对训练好的神经网络进行测试。本发明首次考虑到情绪的层次特性，构造了双粒度分支神经网络模型，充分利用了情绪的层次特性，提高了脑电情感识别的效果。本发明构造了基于大脑区域功能连接性的动态图和基于大脑区域空间邻近性的静态图，本发明充分利用了大脑的动态功能连接信息和空间邻近信息的互补性，提高了脑电情感识别的效果。
-
公开(公告)号：CN113433962A
公开(公告)日：2021-09-24
申请号：CN202110797588.8
申请日：2021-07-14
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种空中飞行平台自动化无人机回收系统和方法，解决了无人机导航信号易受干扰，回收时损耗大的问题。系统的飞行控制子系统以相机和激光雷达的信息为输入，导航无人机到达平台下方，回收装置两机械臂末端合拢，夹住无人机顶端的伸缩杆，实现无人机回收。方法有设计空中飞行平台自动化无人机回收系统；系统初始化；回收中无人机自主导航；无人机在平台下进行定位和位置校准；回收装置抓取无人机。本发明在导航期间以视觉信息和激光雷达为输入，根据无人机与平台间距离选择不同的模式，减小了信号干扰。嵌有压力传感器的抓手设计，减小了回收时的损耗。应用于无人机空中回收。
-
公开(公告)号：CN113349801A
公开(公告)日：2021-09-07
申请号：CN202110686290.X
申请日：2021-06-21
Applicant: 西安电子科技大学
IPC: A61B5/372
Abstract: 本发明公开了一种基于卷积神经网络的想象言语脑电信号解码方法。该方法提出了一种用图片诱发受试者产生想象言语的流程，采用多尺度时间卷积和膨胀卷积构造卷积神经网络解码想象言语脑电信号。具体步骤包括：诱发受试者产生想象言语，生成训练集和测试集，构建卷积神经网络，训练卷积神经网络，输出想象言语脑电信号解码结果。本发明克服了现有技术诱发出的脑电信号包含想象言语信息较少，想象言语脑电信号解码方法采用单一尺度卷积核，解码中某些频段特征丢失，且脑电信号长时间的特征难以提取的问题，使得本发明提高了对想象言语脑电信号的分类准确率。
-
公开(公告)号：CN116010840A
公开(公告)日：2023-04-25
申请号：CN202211446534.8
申请日：2022-11-18
Applicant: 西安电子科技大学
IPC: G06F18/24 , G06F18/214 , G06F3/01
Abstract: 本发明公开了一种多源域样本重加权的EEG信号跨设备解码方法，包括：获取采集多个受试者的MI EEG信号得到的多源域样本数据集及采集目标受试者的MI EEG信号得到的目标域样本数据集；利用两者对预设的SRENet网络进行训练得到训练完成的目标SRENet网络；利用目标SRENet网络得到待测样本的解码结果；其中，预设的SRENet网络包括特征提取器、样本重加权分类器和条件重加权判别器；在网络训练过程中通过样本重加权分类器和条件重加权判别器对特征提取器提取的特征进行易迁移性度量，对更易于迁移至目标域的源域样本赋以更高的训练权重。本发明能提高跨设备的MI EEG信号的解码性能。
-
公开(公告)号：CN115357113A
公开(公告)日：2022-11-18
申请号：CN202210800745.0
申请日：2022-07-08
Applicant: 西安电子科技大学
IPC: G06F3/01 , G06K9/00 , G06F3/04815 , G06T15/80 , G06N3/04
Abstract: 本发明公开了一种动态背景下SSVEP脑机接口刺激调制与解码方法，调制方法包括在动态背景多个预设位置上分别悬浮设置预设形状的SSVEP刺激块；利用预设的前景调制方法和/或背景调制方法改变各SSVEP刺激块与相应背景区域的对比度，利用采样正弦编码平滑改变刺激块的透明度使刺激块基于各自频率持续闪烁以刺激受试者产生SSVEP的EEG信号，能提高刺激块与背景区域对比度，避免淹没于背景中，便于受试者观看。解码方法对已采集的受试者的SSVEP的EEG信号进行预处理，利用预设的DBDN网络对其进行解码，得到该SSVEP的EEG信号对应的SSVEP刺激块的属性信息，能针对动态背景的SSVEP范式下提高解码精度。
-
Patent Agency Ranking
公开(公告)号：CN110534180B
公开(公告)日：2022-06-07
申请号：CN201910768253.6
申请日：2019-08-20
Applicant: 西安电子科技大学
Abstract: 本发明公开的基于深度学习的人机互适应运动想象脑机接口系统和训练方法，解决了不同使用者间效果差异大、脑电信号稳定性差的问题。系统接有脑电数据采集、数据预处理、信号变换判别网络和视觉反馈呈现模块，还包括由原始脑电数据，信号转换目标图像和类别标签组成的数据集模块。训练方法包含通用预训练、互适应反馈校准、在线使用三阶段；互适应训练含多轮人机互适应训练，每轮训练含自由练习、任务想象收集数据和机器训练。本发明训练过程采用了“人在回路”的实时反馈，让使用者在试错中习得正确而稳定的可解码运动想象方式，提升了运动想象脑机接口的性能，实现对使用者运动想象的高精度稳定分类。主要用于满足高效的脑机交互需求。
-
公开(公告)号：CN110169770B
公开(公告)日：2021-10-29
申请号：CN201910438938.4
申请日：2019-05-24
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种情绪脑电的细粒度可视化系统和方法，解决如何展示情绪脑电中细粒度信息的技术问题。系统依次连接有数据采集模块、数据预处理模块、特征提取模块、网络训练控制模块，且表情图集提供目标图像，网络训练控制模块与条件生成对抗网络模块完成对条件生成对抗网络的训练，网络前向执行模块控制完成细粒度表情的生成。方法包含步骤：采集情绪脑电数据，脑电数据预处理，脑电特征提取，构建条件生成对抗网络，制备表情图集，训练条件生成对抗网络和得到细粒度面部表情生成结果。本发明将情绪脑电直接可视化为能直接辨识的带有细粒度信息的面部表情，用于对带有脑‑机接口的康复设备、情感机器人、VR设备等的交互增强与体验优化。
-
公开(公告)号：CN110169770A
公开(公告)日：2019-08-27
申请号：CN201910438938.4
申请日：2019-05-24
Applicant: 西安电子科技大学
IPC: A61B5/0476 , A61B5/16
Abstract: 本发明公开了一种情绪脑电的细粒度可视化系统和方法，解决如何展示情绪脑电中细粒度信息的技术问题。系统依次连接有数据采集模块、数据预处理模块、特征提取模块、网络训练控制模块，且表情图集提供目标图像，网络训练控制模块与条件生成对抗网络模块完成对条件生成对抗网络的训练，网络前向执行模块控制完成细粒度表情的生成。方法包含步骤：采集情绪脑电数据，脑电数据预处理，脑电特征提取，构建条件生成对抗网络，制备表情图集，训练条件生成对抗网络和得到细粒度面部表情生成结果。本发明将情绪脑电直接可视化为能直接辨识的带有细粒度信息的面部表情，用于对带有脑-机接口的康复设备、情感机器人、VR设备等的交互增强与体验优化。
-
公开(公告)号：CN118070036A
公开(公告)日：2024-05-24
申请号：CN202311529824.3
申请日：2023-11-16
Applicant: 西安电子科技大学
IPC: G06F18/213 , A61B5/369 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于情感风格迁移的脑电信号识别方法及装置、电子设备。所述方法包括：对脑电信号进行分解处理，得到多频段脑电信号；将多频段脑电信号输入至训练好的基于情感风格迁移的脑电信号识别模型，得到脑电信号的类别标签；其中，训练好的脑电信号识别模型是根据无标注的目标域样本和有标签源域样本进行训练得到的，目标域样本数据与源域样本中的数据来自不同数据集中的不同受试者。根据本发明提供的方法，通过将脑电信号输入至训练好的基于情感风格迁移的脑电信号识别模型，得脑电信号的类别标签；并且，该模型是根据不同数据集中来自不同的受试者的数据进行训练得到的；能够实现对复杂多变的真实情绪进行识别，扩大应用场景。
-
公开(公告)号：CN114145745B
公开(公告)日：2024-03-29
申请号：CN202111532664.9
申请日：2021-12-15
Applicant: 西安电子科技大学
Abstract: 本申请属于信息技术领域，涉及一种脑电信号的分类方法具体提供了一种基于图的多任务自监督情绪识别方法，其特征在于，该方法包括如下步骤：S1，获取脑电情绪数据并进行预处理；S2，构建自监督辅助任务；S3，构建图卷积神经网络；S4，训练图卷积神经网络；S5，测试图卷积神经网络。本发明首次考虑到设计自监督任务用于脑电情绪识别。设计的空间拼图任务通过学习不同脑区之间的内在空间关系，从而学习脑电情绪相关的空间模式；设计的频率拼图任务旨在于挖掘对情感识别更为关键频带；设计的对比学习任务旨在于进一步规范特征空间，学习内在的表征。本发明情绪识别的准确率较高。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.025 seconds)
