-
公开(公告)号：CN110859615B
公开(公告)日：2020-07-31
申请号：CN201911240856.5
申请日：2019-12-06
申请人： 电子科技大学
IPC分类号： A61B5/0476 , A61B5/00 , G06K9/62
摘要： 本发明公开一种基于幅度排列的生理信号时间不可逆分析方法，应用于脑电信号处理领域，针对现有排列方法在时间不可逆分析中不能有效提取脑电信号非线性特征的问题，本发明利用排列类型和元素幅度关系有效地反映了生理信号向量的幅度变化形式，特别是在时间不可逆分析中，有效地避免了由于对称向量和对称排列之间差异性造成的概念性错误，因而在生理信号的时间不可逆量化分析中有更好的稳定性。
-
公开(公告)号：CN110866237A
公开(公告)日：2020-03-06
申请号：CN201911248949.2
申请日：2019-12-09
申请人： 电子科技大学
摘要： 本发明公开一种脑电的阈下姓名身份认证方法，本发明方法提出一种基于阈下姓名的范式，以提升脑电身份认证的安全性，范式以自己、熟人、陌生人和空白姓名为刺激，并测试了该方法的盲入侵、非盲入侵效果；特征选择阶段本发明提出了一种创新的特征选择方法可以有效挑选优质特征，基于瑞利熵(RQ)、低频分量(Frequency)、普适分量(Universal)(RFU)的3因子特征选择方法，最后还提出了计算量更小的警觉指数指标以预测优质电极。
-
公开(公告)号：CN102708293B
公开(公告)日：2015-06-17
申请号：CN201210147002.4
申请日：2012-05-14
申请人： 电子科技大学
摘要： 本发明涉及一种电极模型和头模型配准的方法，包括步骤：步骤1：对电极模型和头模型进行基于参考点的预配准；步骤2：采用改进型的ICP算法完成电极模型和头模型的精确匹配。本发明的有益效果是：由于本发明的方案采用在对电极模型和头模型进行配准是，首先进行基于参考点的预配准，然后再进一步的采用改进型的ICP方法完成电极模型和头模型的精确匹配。特别是在精确匹配的过程中引入修正矩阵来消除缩放变换的影响，因此相对于传统ICP方法，其配准过程更准确。
-
公开(公告)号：CN103092971A
公开(公告)日：2013-05-08
申请号：CN201310027267.5
申请日：2013-01-24
申请人： 电子科技大学
摘要： 本发明公开了一种用于脑机接口中的分类方法，包括步骤：根据训练集中若干类样本集的特征，分别计算每类样本集特征的权重和，所述权重和近似服从正态分布，估计出若干个正态分布的均值和标准差；对新样本进行分类时，计算出新样本特征的权重和，根据得到的若干个正态分布的均值和标准差对计算出的新样本特征的权重和进行标准化，得到若干个标准化后的值；对若干个标准化后的值的绝对值进行排序，将其中最小值对应的样本集类别作为新样本的类别。本发明方法利用标准分数对新样本特征的权重和进行标准化，进而根据标准化后的权重和确定分类边界线，克服了传统线性判别分析方法在样本特征分布不相同情况下分类识别率下降的缺点。
-
公开(公告)号：CN103054574A
公开(公告)日：2013-04-24
申请号：CN201310003618.9
申请日：2013-01-06
申请人： 电子科技大学
IPC分类号： A61B5/048
摘要： 本发明公开了一种基于多变量同步指数的频率识别方法，具体为：根据SSVEP-BCI系统所使用的频率构造出每个频率对应的参考信号；分别计算多导脑电信号与各个参考信号之间的同步指数；找出与脑电信号同步指数最大的参考信号，将其对应的频率作为识别的频率输出。本发明的方法通过计算脑电信号和基于系统使用的刺激构造的不同参考信号之间的同步指数，根据同步指数的大小，找出与脑电信号同步指数最大的参考信号，将该参考信号的频率作为识别的结果输出。与现有的所使用的主要多导频率检测方法相比，具有更高的准确率；并且在电极导数少，数据长度较短的条件下，具有最优的性能。
-
公开(公告)号：CN102512164A
公开(公告)日：2012-06-27
申请号：CN201110376669.7
申请日：2011-11-23
申请人： 电子科技大学
摘要： 本发明提供一种SSVEP-BCI系统多频排列编码方法，另外，根据新的编码方法提供一种对应的刺激模块识别方法。本发明在现有的单频编码的模式上增加了时间因素，在一个编码周期内按照先后的时间顺序使用特定频率排列周期性地进行编码。不同于无顺序的频率组合方式，采用有顺序的频率排列方式。在元素数量相同的情况下，排列因为其有序性，比无序的组合得到更多的不同的情况。由可重复置换理论可得到，N个序列可以得到NM种排列，利用这些排列，对SSVEP-BCI系统中模块实施相应的编码，即本发明方法在N个可用频率的基础上，可以实现NM个刺激模块的直接编码，每个刺激模块都拥有自己唯一的编码或者说唯一的频率排列。
-
公开(公告)号：CN1903119A
公开(公告)日：2007-01-31
申请号：CN200610021584.6
申请日：2006-08-11
申请人： 电子科技大学
IPC分类号： A61B5/0476
摘要： 基于稀疏性约束的脑电源定位方法，属于生物信息技术领域，本发明包括以下步骤：1)确定传递矩阵A；2)通过多道脑电信号记录系统获取实际记录的脑电信号Y，进行预处理，确定要进行源分析的时刻；3)初始化源向量xk－1，k＝1，迭代终止误差ε和一个最大的迭代次数；4)更新权重对角矩阵：Wk＝(diag(xk－1))；5)加入稀疏性约束，利用优化方法直接估计qk：argmin‖b－AWkqk‖2+λ‖qk‖p；6)更新源信息向量：xk＝Wkqk；7)迭代终止条件判断：比较更新前后的源分布变化，当‖xk－xk－1‖≤ε或迭代次数超出设定的最大迭代次数限制时，迭代终止，xk即为源的最终定位估计结果；否则，k＝k+1，转步骤2)，继续迭代；其中，λ≠0，Wk≠I。本发明将lp(p≤1)模约束融合到FOCUSS的迭代过程中，获得更加稳定的稀疏源定位结果。
-
公开(公告)号：CN114510966B
公开(公告)日：2023-04-28
申请号：CN202210040667.9
申请日：2022-01-14
申请人： 电子科技大学
IPC分类号： G06F18/213 , G06F18/25 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于图神经网络的端到端大脑因果网络构建方法，属于脑电信息处理领域。本发明设计了一个邻近k层特征融合的多层感知机用于多维特征提取，并进一步设计图神经网络用于大脑因果关系的直接挖掘。随后利用向量自回归模型得到具有真实脑电信号特性的多元序列及其因果监督性信息，以监督性方法训练神经网络模型。基于训练好的神经网络模型，可实现对脑电数据的因果关系的挖掘和因果网络构建。与传统方法的代表性方法格兰杰因果分析对比研究证明，本发明在低信噪比条件下捕捉因果网络拓扑结构和因果关系强弱作用方面具有显著的优势。本发明为突破传统模型驱动假设约束，以数据驱动的方式直接挖掘深度大脑因果网络机制方面提供了新的视角。
-
公开(公告)号：CN114154543B
公开(公告)日：2023-04-28
申请号：CN202111473700.9
申请日：2021-11-30
申请人： 电子科技大学
摘要： 本发明公开了一种基于因果特征的人体上肢运动神经行为辨识模型构建方法,包括以下步骤：S1.对人脑表皮和左右臂肱二头肌电生理信号进行同步采集，进行滤波去噪和裁剪后得到原始样本集合ΓN；S2.获得脑肌任务态样本集和S3.获得脑肌静息态样本集S4.分割样本组，计算各个样本组对应的绝对因果强度矩阵；S5.获取具备显著性差异的脑电通道，作为主要脑电通道；S6.获取训练样本，并形成训练样本集；S7.构建人体上肢运动神经行为辨识的分类器模型，利用训练样本集对分类器模型进行训练，得到能够进行上肢运动神经行为辨识的分类器模型。本发明能够得到辨识上肢运动神经行为的分类器模型，为基于因果特征的人体上肢运动神经行为辨识提供了支撑。
-
公开(公告)号：CN115424351A
公开(公告)日：2022-12-02
申请号：CN202211084526.3
申请日：2022-09-06
申请人： 电子科技大学
摘要： 本发明公开一种基于时空融合注意力脉冲神经网络的动态图像识别方法，应用于动态图像识别领域，针对现有技术面对具有时间信息的动态数据时，没有办法处理动态数据在时间方向传递的具有时空特性的噪声和干扰的问题；本发明借鉴生物的预测性特征重映射理论，将提取到的时空特征通过注意力模块转换为时空注意力张量，通过膜电位继承过程中在时间方向调整下一时刻的时空特征图；本发明能够在小参数量的网络结构下，高效的生成时空注意力张量，改善了脉冲神经网络在时空动态图像识别中难以提取时空特征的难题，在引导特征提取的同时，减弱了沿时间方向的噪声干扰，使得脉冲神经网络高效地识别时空图像。
-
-
-
-
-
-
-
-
-
搜索结果
137 条记录 (耗时 0.039 秒)
