买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京师范大学申请的专利一种频率先验特征引导的轻量化运动想象分类方法及装置获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119884889B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510351887.7，技术领域涉及：G06F18/241；该发明授权一种频率先验特征引导的轻量化运动想象分类方法及装置是由李园;苏迪威;杨晓楠;王祥存;张家才设计研发完成，并于2025-03-24向国家知识产权局提交的专利申请。

本一种频率先验特征引导的轻量化运动想象分类方法及装置在说明书摘要公布了：本发明涉及神经解码技术领域，特别涉及一种频率先验特征引导的轻量化运动想象分类方法及装置。方法包括：提取高维度的EEG信号的时间域特征；通过空间卷积层将不同电极采集到的EEG信号进行加权整合；通过平均池化进行下采样，将加权整合后的EEG信号的高频信息压缩；将压缩EEG信号输入至残差网络，对压缩EEG信号的高频信息进行处理，进一步优化信号特征的提取；通过因果卷积和扩张卷积设计，有效地捕捉EEG信号的时序特征，并确保网络结构具有较好的计算效率和可解释性。该方法在EEG信号分析中提供了一种高效、可解释的解决方案，能够显著提升模型的性能。

本发明授权一种频率先验特征引导的轻量化运动想象分类方法及装置在权利要求书中公布了：1.一种频率先验特征引导的轻量化运动想象分类方法，其特征在于，所述方法包括： S1、获取高维度的EEG信号，对所述高维度的EEG信号进行初步处理，提取所述高维度的EEG信号的时间域特征； S1，获取高维度的EEG信号，对所述高维度的EEG信号进行初步处理，提取所述高维度的EEG信号的时间域特征，包括： 获取高维度的EEG输入信号，其中输入信号的形状为N×1×C×T，其中N是样本数量，C是电极数量，T是时间样本数量； 通过带有权重约束的1D卷积操作对信号进行初步处理，提取初步特征； 所述初步特征进入批量归一化层，是对所述初步特征进行标准化处理； 使用指数线性单元作为激活函数，对数据进行非线性建模，将数据映射到一个非线性空间，获得时间域特征表示； 所述带有权重约束的1D卷积操作，包括： 卷积核的大小K 1由时间卷积块的设计参数决定，所述设计参数根据设备的采样率Fs和预定的参数T进行计算： ; 其中，T设置为4或8；电极数量较多时，将T设置为8；反之，电极数量较少时，将T设置为4； S2、将提取时间域特征后的EEG信号输入至空间卷积层；空间卷积层使用大小为C,1的卷积核，通过所述空间卷积层将不同电极采集到的EEG信号进行加权整合，并融合为单一的通道；通过平均池化进行下采样，将加权整合后的EEG信号的高频信息压缩至30Hz以下，获得压缩EEG信号； 下采样操作的大小由下述公式确定： ； 其中，表示平均池化所采用的卷积核大小；表示一秒内的数据点； S3、将所述压缩EEG信号输入至残差网络，对所述压缩EEG信号的高频信息进行处理，进一步优化信号特征的提取，获得EEG信号的时空特征； 信号首先通过数个卷积滤波操作，前序的小卷积核的大小将在压缩信号中提取较高的频段，通过多个小卷积核，网络的感受野将不断扩大，直至扩大至指定的长度，提取足够低的低频信息，通过残差网络在各个层之间的连接，压缩信号的相对较高频段将被保留与低频信息进行融合； 残差网络通过跳跃连接在每个层之间传递信息；通过增加残差块扩展模型的感受野，捕捉到更多的时空特征； 所述残差网络的等效感受野即多层网络所表示的等效卷积核大小K 3计算公式为： ； 残差块的数量根据实际电极数量和空间分布进行调整； S4、通过基于因果卷积设计的时间卷积网络进行序列建模，将前序序列信息通过最后一个时间步表示，获得特征的稀疏化表达和模型的轻量化表达；通过分类器完成频率先验特征引导的轻量化运动想象分类。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京师范大学，其通讯地址为：100875 北京市海淀区新街口外大街19号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。