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！

龙图腾网获悉太原科技大学申请的专利一种基于听觉的双向脑机接口系统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：CN117762258B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202311852673.5，技术领域涉及：G06F3/01；该发明授权一种基于听觉的双向脑机接口系统是由郭一娜;贾欣雨;张萌;田文艳;武迎春;杨江涛;孙晓普设计研发完成，并于2023-12-29向国家知识产权局提交的专利申请。

本一种基于听觉的双向脑机接口系统在说明书摘要公布了：本发明公开了一种基于听觉的双向脑机接口系统，包括：采集用户经运动想象发出声音后产生的脑电信号，对脑电信号进行预处理并构建脑电信号数据集；构建匹配长短期记忆网络模型，对匹配长短期记忆网络模型进行训练，获取训练好的匹配长短期记忆网络模型，并将脑电信号数据集转换为对应的文本数据；构建声码器模型，将文本数据输入声码器中生成对应的语音信号；将语音信号和脑电信号进行预处理，并构建脑电‑语音数据集；对脑电‑语音数据集进行分类识别，构建语音数据集、脑电‑语音数据集和脑电数据集；构建双边对偶生成网络模型，对双边对偶生成网络模型进行训练，获取训练好的双边对偶生成网络模型；将语音信号进行转换，获取对应的脑电信号。

本发明授权一种基于听觉的双向脑机接口系统在权利要求书中公布了：1.一种基于听觉的双向脑机接口系统，其特征在于，包括： 采集用户经运动想象发出声音后产生的脑电信号，对所述脑电信号进行预处理并构建脑电信号数据集； 构建匹配长短期记忆网络模型，通过所述脑电信号数据集对所述匹配长短期记忆网络模型进行训练，获取训练好的匹配长短期记忆网络模型，并利用所述训练好的匹配长短期记忆网络模型将所述脑电信号数据集转换为对应的文本数据； 构建声码器模型，将所述文本数据输入声码器模型中生成对应的语音信号，并构建语音信号数据集； 将所述语音信号数据集和所述脑电信号数据集进行预处理，并构建脑电‑语音数据集； 对所述脑电‑语音数据集进行分类识别，构建语音数据集、脑电‑语音数据集和脑电数据集；将所述脑电信号数据集和所述语音信号数据集进行混合，组成多维混合矩阵，作为所述脑电‑语音数据集；将预处理后的脑电信号作为脑电数据集；将预处理后的语音信号作为语音数据集； 构建双边对偶生成网络模型，通过所述语音数据集、所述脑电‑语音数据集和所述脑电数据集对所述双边对偶生成网络模型进行训练，获取训练好的双边对偶生成网络模型； 利用所述训练好的双边对偶生成网络模型，将所述语音信号进行转换，获取对应的脑电信号； 反向过程中双边对偶生成网络模型的训练过程： 双边对偶生成对抗网络涉及到三个域：由正向过程生成的语音信号向量构建的域V、由采集设备采集到的脑电信号向量构建的域E，以及由语音信号与脑电信号按一定比例级联而构成的过渡信号向量构建的域T；由于域O的引入，并利用双边对偶生成对抗网络所具有的跨域映射特性，将双边对偶生成对抗网络的训练过程划分为了三个循环：语音‑过渡循环，脑电‑过渡循环以及大循环，这三个循环同时进行训练；从域V和E中分别采样得到语音信号向量u和脑电信号向量v；通过以一定比例级联相应的语音和脑电信号，得到了从域T中采样得到的一组过渡信号集合o；双边对偶生成对抗网络的主要任务是将语音信号u∈V转换为脑电信号v∈E；其中，语音‑过渡循环旨在学习语音信号u∈V之间的映射，而脑电‑过渡循环学习脑电信号v∈E之间的映射；大循环旨在学习过渡信号o∈T与语音信号u∈V之间的映射，学习过渡信号o∈T与脑电信号v∈E之间的映射；通过训练双边对偶生成网络模型，过渡信号o∈T为语音和脑电信号的共享标签，而不包含它们的相应特征，具体细节如下所述： 语音‑过渡循环：对于语音信号，通过生成器G1，实现域V到域T的跨域映射，即，将真实语音信号u映射到域T，生成对应信号G1u,z；然后，通过逆生成器G2，实现域T到域V的跨域映射，将信号G1u，z转换回域V，输出信号G2G1u，z，z′作为真实语音信号u的重构版本； 脑电‑过渡循环：对于脑电信号，通过生成器G3，实现域E到域t的跨域映射，将真实脑电信号v映射到域T，生成对应信号G3v，z′；然后，通过逆生成器G4，实现域T到域E的跨域映射，将信号G3v，z′转换回域V，输出重构信号G4G3v，z′，z作为真实脑电信号v的重构版本； 大循环：对于过渡信号，需要四个步骤形成一个大循环；首先，通过使用生成器G2，将真实过渡信号o映射到域V，生成过渡信号G2o，z′；其次，通过使用生成器G1，将过渡信号G2o，z′转换回域O，输出信号G1G2o，z′，z；第三，通过使用生成器G4，将信号G1G2o，z′，z转换到域E,生成G4G1G2o，z′，z，z；第四，通过使用生成器G3，将G4G1G2o，z′，z，z转换回领域O，输出重构信号G3G4G1G2o，z′，z，z，z′作为o的重构版本； 鉴别器D1通过区分域O的真实过渡信号o与生成器G1的虚假输出进行学习，而鉴别器D2通过区分域V的真实脑电信号u与生成器G2的虚假输出进行学习；同样，鉴别器D4通过区分域E的真实语音信号v与生成器G4的虚假输出进行学习，而鉴别器D3通过区分域O的生成过渡信号G1G2o，z′，z与生成器G3的虚假输出进行学习；生成器G1、G2、G3和G4被优化为模仿虚假输出，以欺骗相应的鉴别器D1、D2、D3和D4，同时最小化以下重构损失||u‑G2G1u，z，z′||、||o‑G1G2o，z′，z||、||v‑G4G3v，z′，z||以及||G1G2o，z′，z‑G3G4G1G2o，z′，z，z，z′||。

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太原科技大学，其通讯地址为：030024 山西省太原市万柏林区窊流路66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”。

以上内容由龙图腾AI智能生成。