-
公开(公告)号：CN117131356A
公开(公告)日：2023-11-28
申请号：CN202310889486.8
申请日：2023-07-19
Applicant: 西安电子科技大学
IPC: G06F18/213 , G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种多头自注意力机制融合的时空卷积脑电解码方法，包括：采集脑电信号；将脑电信号输入脑电解码网络，以使脑电解码网络中的第一时空特征提取模块和第二时空特征提取模块依次对脑电信号进行处理，第一\二时空特征提取模块用于提取输入数据的频谱特征，并基于频谱特征提取时间特征后，利用多头自注意力机制提取空间‑时间特征；对第二时空特征提取模块输出的空间‑时间特征进行分类，得到脑电信号的分类结果。本发明能够准确表征脑电信号，可分离卷积层有效地解耦了脑电任务和脑电信号之间的时间相关关系，在此基础上利用多头自注意力机制关注大脑的空间激活模式，提取互补的空间表征信息，有利于实现脑电信号的准确分类。
-
公开(公告)号：CN110765920B
公开(公告)日：2023-03-24
申请号：CN201910993633.X
申请日：2019-10-18
Applicant: 西安电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/241
Abstract: 本发明公开了一种基于并行多尺度时间卷积核的卷积神经网络方法，主要解决现有技术检测准确率低，难以有效检测出用户想象运动的问题。其实现方案是：采集想象运动脑电数据，并对其进行预处理，使用预处理后的脑电数据制作数据集；构建卷积神经网络，使用训练集和验证集训练卷积神经网络，使用测试集测试卷积神经网络，使用被试者的脑电数据微调测试后的卷积神经网络，得到适合被试者进行在线实验的最终卷积神经网络；实时获取被试者的在线想象运动脑电信号，并送入最终的卷积神经网络，得到实时分类结果。本发明能有效检测出用户的想象运动，提高了对想象运动脑电信号的分类准确率，可用于医疗服务，作为辅助工具参与中风患者的康复治疗。
-
公开(公告)号：CN115631352A
公开(公告)日：2023-01-20
申请号：CN202211174426.X
申请日：2022-09-26
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于相似度对比的目标检测方法及其装置，涉及图片处理技术领域，包括：基于目标图片样本，生成候选框；基于候选框，进行目标特征提取，构建待选特征数据库；基于已有的图片样本，进行目标特征提取，构建标准特征数据库；从待选特征数据库中，获取置信度最高的候选框，将该候选框与标准特征数据库进行相似度对比，得到分数最高的标准特征数据库图片，并记录其类别信息；将分数最高的标准特征数据库图片与待选特征数据库进行相似度对比，得到分数最高的待选特征数据库图片，并记录其位置信息；将类别信息和位置信息映射到目标图片样本，得到待检测目标的检测结果。本申请能够提高目标定位的准确率，提高目标检测的效果。
-
公开(公告)号：CN115474947A
公开(公告)日：2022-12-16
申请号：CN202211027652.5
申请日：2022-08-25
Applicant: 西安电子科技大学
Abstract: 本发明涉及一种基于深度学习的两类基本情绪强度脑电信号识别方法，包括：通过n个尺度空间特征提取模块分别提取激活模式和尺度空间特征，其中，每个尺度空间特征提取模块对应的卷积核大小不相同，第一个尺度空间特征提取模块的输入为原始脑电信号，其他各个尺度空间特征提取模块的输入为原始脑电信号和前一个尺度空间特征提取模块所提取的尺度空间特征；对原始脑电信号和所有激活模式和尺度空间特征进行维度变换，得到高阶融合的尺度特征；基于N个长短时记忆网络获取高阶融合的尺度特征中的高阶时域信息，根据高阶时域信息获取原始脑电信号对应的分级情绪，分级情绪包括：强正向情绪、弱正向情绪、强负向情绪和弱负向情绪。
-
公开(公告)号：CN115238732A
公开(公告)日：2022-10-25
申请号：CN202210674634.X
申请日：2022-06-15
Applicant: 西安电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/374 , A61B5/378 , A61B5/38 , A61B5/00 , A61B5/16
Abstract: 本发明提供的一种虚拟现实下的细粒度情绪脑电检测方法及系统，利用沉浸、可有效隔绝环境干扰播放情绪视频的方式从而刺激用户情绪，提升采集到的脑电信号质量，增强系统的可用性；之后使用细粒度情绪脑电解码网络，提取情绪脑电信号中的空间时间特征，相比于传统无法有效表现用户情绪强弱，本发明可以在解码得到用户情绪状态的前提下，进一步获取用户的情绪强度。并且本发明在完成训练阶段后，无论离线分析用户状态还是在线解码获取用户情绪，都可直接进行使用，适合多种任务中应用可以拓宽情绪脑电的应用场景。
-
Patent Agency Ranking
公开(公告)号：CN114118176A
公开(公告)日：2022-03-01
申请号：CN202210001444.1
申请日：2022-01-04
Applicant: 西安电子科技大学
Abstract: 本申请属于信号处理技术领域，涉及一种脑电信号的分类方法，具体提供了一种基于解耦表示学习的连续快速视觉演示脑电信号分类方法，该方法包括如下步骤：S1，脑电信号的获取及预处理；S2，解耦表示学习网络的构建；S3，对构建的解耦表示学习网络进行训练；S4，对训练后的解耦表示学习网络进行测试；S5，对测试后的解耦表示学习网络进行微调；S6，对微调后的解耦表示学习网络进行实时检测。本发明将学习过程解耦为表示学习过程和分类器学习过程，避免分类器对表示学习过程产生影响，解决了连续快速视觉演示分类中存在的类别不平衡问题导致分类准确率低的问题，从而提高脑电信号的分类准确率。
-
公开(公告)号：CN111259186A
公开(公告)日：2020-06-09
申请号：CN202010038131.4
申请日：2020-01-14
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06T7/90 , G06T5/00
Abstract: 本发明公开了一种基于颜色矩的连续快速视觉演示非目标图片最优排序方法，主要解决现有连续快速视觉演示RSVP呈现时由于非目标图片相邻图片相似度过低，导致错误诱发出事件相关电位ERP的问题。其实现方案是：将RGB图片转换成HSV图片，在HSV图片各通道上提取像素的颜色矩作为特征；对一张HSV图片各通道像素值做变换生成简单变换图片，手动完成简单变换图片的排序，同时根据简单变换图片的相似度进行排序，结合两种排序结果确定各通道权值参数；对所有非目标图片，利用各通道权值参数计算图片相似度，完成排序。本发明可实现RSVP非目标图片的最优排序，能够有效改善ERP的质量，可用于脑机接口。
-
公开(公告)号：CN113433962B
公开(公告)日：2022-12-02
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：CN111259186B
公开(公告)日：2022-06-07
申请号：CN202010038131.4
申请日：2020-01-14
Applicant: 西安电子科技大学
IPC: G06F16/583 , G06T7/90 , G06T5/00
Abstract: 本发明公开了一种基于颜色矩的连续快速视觉演示非目标图片最优排序方法，主要解决现有连续快速视觉演示RSVP呈现时由于非目标图片相邻图片相似度过低，导致错误诱发出事件相关电位ERP的问题。其实现方案是：将RGB图片转换成HSV图片，在HSV图片各通道上提取像素的颜色矩作为特征；对一张HSV图片各通道像素值做变换生成简单变换图片，手动完成简单变换图片的排序，同时根据简单变换图片的相似度进行排序，结合两种排序结果确定各通道权值参数；对所有非目标图片，利用各通道权值参数计算图片相似度，完成排序。本发明可实现RSVP非目标图片的最优排序，能够有效改善ERP的质量，可用于脑机接口。
-
公开(公告)号：CN114145745A
公开(公告)日：2022-03-08
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 0.026 seconds)
