-
公开(公告)号:CN113408397B
公开(公告)日:2023-03-24
申请号:CN202110663843.X
申请日:2021-06-16
Applicant: 西安电子科技大学
IPC: G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种领域自适应的跨受试者运动想象脑电信号识别系统及方法,解决了跨受试者运动想象脑电信号识别准确率低的问题。系统有数据采集、数据预处理、网络训练控制、网络模块和网络前向执行模块,网络前向执行模块读取网络模块参数并结合预处理的脑电信号计算出运动想象分类结果。网络模块为构建的空间条件领域自适应网络SCDAN模块。方法有构建识别系统;采集运动想象脑电数据;脑电数据预处理;准备训练数据;更新SCDAN模块;网络前向执行得到运动想象分类结果。本发明利用领域自适应技术构建SCDAN模块,实现高准确率识别分类。本发明跨受试者运动想象识别准确率高,场景通用性强。
-
公开(公告)号:CN114052734B
公开(公告)日:2022-11-01
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:CN113408397A
公开(公告)日:2021-09-17
申请号:CN202110663843.X
申请日:2021-06-16
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种领域自适应的跨受试者运动想象脑电信号识别系统及方法,解决了跨受试者运动想象脑电信号识别准确率低的问题。系统有数据采集、数据预处理、网络训练控制、网络模块和网络前向执行模块,网络前向执行模块读取网络模块参数并结合预处理的脑电信号计算出运动想象分类结果。网络模块为构建的空间条件领域自适应网络SCDAN模块。方法有构建识别系统;采集运动想象脑电数据;脑电数据预处理;准备训练数据;更新SCDAN模块;网络前向执行得到运动想象分类结果。本发明利用领域自适应技术构建SCDAN模块,实现高准确率识别分类。本发明跨受试者运动想象识别准确率高,场景通用性强。
-
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。
-
-
-
-