公开(公告)号：CN112528804A

公开(公告)日：2021-03-19

申请号：CN202011401703.7

申请日：2020-12-02

申请人： 西安电子科技大学

发明人： 秦翰林 ,  梁进 ,  马琳 ,  梁毅 ,  岳恒 ,  蔡彬彬 ,  王诚 ,  朱文锐 ,  欧洪璇 ,  张昱庚

IPC分类号： G06K9/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于生成对抗网络的肌电信号降噪和分类方法，对肌电信号进行预处理后构建基于WGAN的肌电信号降噪生成对抗网络模型；将肌电信号输入到肌电信号降噪生成对抗网络模型中进行训练，最小化生成分布与真实数据分布的JS距离，实现含有噪声信号和肌电信号的映射，输出降噪后的肌电信号；将所述降噪后的肌电信号的格式转换成为二维的数字矩阵，通过采用多尺度卷积核卷积神经网络模型对二维的数字矩阵提取肌电信号特征；从通道和空间两个方向根据注意力机制选择重要信息，最后平铺池化数据利用Softmax分类器对肌电信号进行分类。

公开(公告)号：CN113239744B

公开(公告)日：2024-04-19

申请号：CN202110447914.2

申请日：2021-04-25

申请人： 西安电子科技大学

发明人： 秦翰林 ,  欧洪璇 ,  马琳 ,  蔡彬彬 ,  延翔 ,  王诚 ,  岳恒 ,  梁进 ,  张昱赓 ,  周慧鑫

IPC分类号： G06F18/241 ,  G06F18/213 ,  G06F18/10 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/088

摘要： 本发明公开了一种基于深度学习的脑电‑肌电信号融合识别方法，通过基于深度自注意力机制的循环神经网络对预处理后的脑电信号进行高维编码及序列解码，获得脑电分类特征矩阵；对预处理后的肌电信号进行强度特征提取，获得肌电特征向量；通过无监督稀疏自编码器对脑电分类特征矩阵和肌电特征向量进行特征融合，生成最终指令。本发明将多头自注意力机制和编码‑解码模型结合应用到脑电特征提取领域，提高脑电分类识别精度；利用自适应方法，解决肌电信号存在个体差异和位置差异的问题，通过提取肌电信号的强度特征来实现动作强度的估计；利用无监督稀疏自编码器对不同生物电特征进行编码和解码，以高效、鲁棒性的方法实现对脑电和肌电特征的融合。

公开(公告)号：CN113239744A

公开(公告)日：2021-08-10

申请号：CN202110447914.2

申请日：2021-04-25

申请人： 西安电子科技大学

发明人： 秦翰林 ,  欧洪璇 ,  马琳 ,  蔡彬彬 ,  延翔 ,  王诚 ,  岳恒 ,  梁进 ,  张昱赓 ,  周慧鑫

IPC分类号： G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度学习的脑电‑肌电信号融合识别方法，通过基于深度自注意力机制的循环神经网络对预处理后的脑电信号进行高维编码及序列解码，获得脑电分类特征矩阵；对预处理后的肌电信号进行强度特征提取，获得肌电特征向量；通过无监督稀疏自编码器对脑电分类特征矩阵和肌电特征向量进行特征融合，生成最终指令。本发明将多头自注意力机制和编码‑解码模型结合应用到脑电特征提取领域，提高脑电分类识别精度；利用自适应方法，解决肌电信号存在个体差异和位置差异的问题，通过提取肌电信号的强度特征来实现动作强度的估计；利用无监督稀疏自编码器对不同生物电特征进行编码和解码，以高效、鲁棒性的方法实现对脑电和肌电特征的融合。

公开(公告)号：CN112667080A

公开(公告)日：2021-04-16

申请号：CN202011578500.5

申请日：2020-12-28

申请人： 西安电子科技大学

发明人： 秦翰林 ,  岳恒 ,  梁进 ,  蔡彬彬 ,  朱文锐 ,  延翔 ,  王诚 ,  张昱赓 ,  周慧鑫

IPC分类号： G06F3/01 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于深度卷积对抗网络的脑电信号无人平台智能控制方法，终端对采集的脑电信号进行噪声去除，获得去噪后的脑电信号；通过胶囊网络对所述去噪后的脑电信号进行深层特征提取，获得深层特征信号；融合所述深层特征信号和脑电信号后进行分类识别，确定相应的控制指令信号；所述终端对无人平台分别进行离线和在线试验验证，验证成功后，所述无人接接收并且执行所述终端发送的控制指令信号。本发明利用已有噪声数据集合成一维脑电信号训练网络，简化数学模型并解决了噪声训练数据不足问题，利用自编码器架构重建一维预测信号，注意力机制进行特征选择，提高了计算效率。

公开(公告)号：CN112667080B

公开(公告)日：2023-05-23

申请号：CN202011578500.5

申请日：2020-12-28

申请人： 西安电子科技大学

发明人： 秦翰林 ,  岳恒 ,  梁进 ,  蔡彬彬 ,  朱文锐 ,  延翔 ,  王诚 ,  张昱赓 ,  周慧鑫

IPC分类号： G06F3/01 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于深度卷积对抗网络的脑电信号无人平台智能控制方法，终端对采集的脑电信号进行噪声去除，获得去噪后的脑电信号；通过胶囊网络对所述去噪后的脑电信号进行深层特征提取，获得深层特征信号；融合所述深层特征信号和脑电信号后进行分类识别，确定相应的控制指令信号；所述终端对无人平台分别进行离线和在线试验验证，验证成功后，所述无人平台接收并且执行所述终端发送的控制指令信号。本发明利用已有噪声数据集合成一维脑电信号训练网络，简化数学模型并解决了噪声训练数据不足问题，利用自编码器架构重建一维预测信号，注意力机制进行特征选择，提高了计算效率。