-
公开(公告)号：CN112426162A
公开(公告)日：2021-03-02
申请号：CN202011323206.X
申请日：2020-11-23
申请人： 重庆邮电大学
摘要： 本发明属于计算机智能信息处理领域，涉及一种基于脑电信号节律熵的疲劳检测方法；所述检测方法包括采集脑电信号，并对所述脑电信号进行预处理；将预处理后的脑电信号分段，并利用小波分解提取出前额叶电极中β，θ和α频段的节律；计算出β，θ和α频段的节律熵；将所述节律熵输入到分类器中，输出所述脑电信号的疲劳分类状态；本发明利用脑电信号(EEG)节律与脑力疲劳高度相关的特点，采用节律熵的方式能够更为准确的反应脑力疲劳程度，对清醒，轻度疲劳，重度疲劳三种脑力疲劳状态进行检测，显著提高了检测正确率。
-
公开(公告)号：CN113057654B
公开(公告)日：2022-05-20
申请号：CN202110316708.8
申请日：2021-03-10
申请人： 重庆邮电大学
摘要： 本发明涉及一种基于频率耦合神经网络模型的记忆负荷检测提取系统及方法，属于脑电辅助记忆负荷检测领域，包括信号采集模块、信号预处理模块、频率耦合神经网络模型训练模块、识别模块和反馈模块。所述信号采集模块用于采集用户的脑电数据；信号预处理模块用于对采集的脑电数据进行预处理；频率耦合神经网络训练模块用于训练频率耦合神经网络模型自动提取频率耦合特征；识别模块用于对实时采集的脑电数据进行分类，并根据分类结果识别用户当前的记忆负荷状态；反馈模块根据用户当前的记忆负荷状态进行相应的调节动作。本发明可以对被试实现可快速有效的记忆负荷状态识别，提高记忆负荷识别的速度。
-
公开(公告)号：CN113057654A
公开(公告)日：2021-07-02
申请号：CN202110316708.8
申请日：2021-03-10
申请人： 重庆邮电大学
摘要： 本发明涉及一种基于频率耦合神经网络模型的记忆负荷检测提取系统及方法，属于脑电辅助记忆负荷检测领域，包括信号采集模块、信号预处理模块、频率耦合神经网络模型训练模块、识别模块和反馈模块。所述信号采集模块用于采集用户的脑电数据；信号预处理模块用于对采集的脑电数据进行预处理；频率耦合神经网络训练模块用于训练频率耦合神经网络模型自动提取频率耦合特征；识别模块用于对实时采集的脑电数据进行分类，并根据分类结果识别用户当前的记忆负荷状态；反馈模块根据用户当前的记忆负荷状态进行相应的调节动作。本发明可以对被试实现可快速有效的记忆负荷状态识别，提高记忆负荷识别的速度。
-
公开(公告)号：CN111273767A
公开(公告)日：2020-06-12
申请号：CN202010033599.4
申请日：2020-01-13
申请人： 重庆邮电大学
摘要： 本发明涉及一种基于深度迁移学习的助听脑机接口系统，属于人机交互技术领域。系统基于脑电信号，以节律熵作为分类特征，以一种新的卷积神经网络模型作为分类器，用深度迁移学习方法解决数据量不足的问题，实现对听觉对象追踪正确和错误的监测。系统的实现分为两个阶段：离线训练阶段和在线监测阶段。离线训练阶段，基于嘈杂的听觉环境，收集大量的脑电数据，预先训练分类模型，并使模型稳定。在线监测阶段，基于深度迁移方法，对用户的听觉注意状态进行实时监测。当监测到用户对听觉对象追踪错误时，给予及时的反馈。系统实现了对疲劳、注意力涣散、注意力缺陷等用户的注意力的提高，从而达到了助听的目的。
-
-
-
搜索结果
4 条记录 (耗时 0.022 秒)
