Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南京大学阮雅端获国家专利权

南京大学阮雅端获国家专利权

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!

龙图腾网获悉南京大学申请的专利适于少通道运动想象脑电信号识别方法、设备及存储介质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:CN119442029B

龙图腾网通过国家知识产权局官网在2025-10-24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:202411548845.4,技术领域涉及:G06F18/2415;该发明授权适于少通道运动想象脑电信号识别方法、设备及存储介质是由阮雅端;刘子昂;范康设计研发完成,并于2024-11-01向国家知识产权局提交的专利申请。

适于少通道运动想象脑电信号识别方法、设备及存储介质在说明书摘要公布了:适于少通道运动想象脑电信号识别方法、设备及存储介质,获取少通道运动想象脑电信号,用二阶巴特沃斯低通滤波器进行滤波,对滤波后的信号进行连续小波变换生成时频图;将不同通道的时频图在通道维度上连接,形成通道依赖的多层时频图,并划分为训练验证集和测试集;对EfficientNet‑B0网络进行预训练,然后删除预训练网络的全连接层,加入通道依赖的多层时频图分类头,在训练验证集上进行迁移学习,得到运动想象脑电信号识别的最终分类器。本发明通过连续小波变换生成运动想象脑电信号的时频图,并设计了通道依赖的多层时频图,保留了运动想象脑电信号的时间和频率特征,在少通道的限制下,提升了运动想象脑电信号的识别准确率。

本发明授权适于少通道运动想象脑电信号识别方法、设备及存储介质在权利要求书中公布了:1.适于少通道运动想象脑电信号识别方法,其特征是包括以下步骤: 步骤1:对原始少通道运动想象脑电信号进行均匀时间分割,去除未发生运动想象部分的时间片段,得到少通道运动想象脑电信号;其中,所述原始少通道运动想象脑电信号经运动想象受试者的脑机接口采集,并标记运动想象任务具体分类的标签; 步骤2:使用二阶巴特沃斯低通滤波器对所述少通道运动想象脑电信号进行滤波,保留8-30Hz频率范围内的信号,去除伪影; 步骤3:对滤波后的信号进行连续小波变换,输出时间与频率的二维时频图; 步骤4:将不同通道的时频图在通道维度上进行特征连接,输出为通道依赖的多层脑电时频图;所述特征连接是将不同通道的时频图进行纵向叠加,输出为通道依赖的多层脑电时频图,所述通道依赖的多层脑电时频图有三个维度,分别表示时间、频率和通道; 步骤5:将所述通道依赖的多层脑电时频图划分为训练验证集和测试集,将所述训练验证集划分为训练集和验证集; 步骤6:使用大规模图像数据集ImageNet对EfficientNet-B0网络进行预训练,保留EfficientNet-B0网络预训练权重; 步骤7:删除预训练的EfficientNet-B0网络中的全连接层,加入通道依赖的多层脑电时频图分类头,生成适于脑电信号分类的EfficientNet-B0网络;所述通道依赖的多层脑电时频图分类头包括四层,第一层全局平均池化层,第二层为全连接层,并使用ReLU激活函数,第三层为丢失率设置为0.5的Dropout层,第四层为具有两个神经元的全连接层并使用softmax作为激活函数; 步骤8:将步骤4中的训练验证集,输入至步骤7中所述适于脑电信号分类的EfficientNet-B0网络进行迁移学习训练,训练完成后作为最终分类器,用于少通道运动想象脑电信号识别。

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南京大学,其通讯地址为:210093 江苏省南京市鼓楼区汉口路22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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。