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！

龙图腾网获悉广东工业大学申请的专利一种基于多变量经验模态分解融合的分类去除脑电伪迹方法及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：CN119949846B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202510078403.6，技术领域涉及：A61B5/369；该发明授权一种基于多变量经验模态分解融合的分类去除脑电伪迹方法及系统是由刘庆;何海青;杨凡;谢锋;胡成思;骆俊宏;李政;王梓杰设计研发完成，并于2025-01-17向国家知识产权局提交的专利申请。

本一种基于多变量经验模态分解融合的分类去除脑电伪迹方法及系统在说明书摘要公布了：本发明提出了一种基于多变量经验模态分解融合的分类去除脑电伪迹方法及系统，涉及脑电信号去噪的技术领域，首先获取多通道原始脑电信号，利用优化后的多变量经验模态分解算法对多通道原始脑电信号进行多变量经验模态分解，更加精确地分解得出多通道原始脑电信号的本征模态函数，提高了分解的效率并保留了多通道原始脑电信号的特征信息，然后基于多维干扰分类阈值对多通道原始脑电信号的本征模态函数进行分类，对不同干扰类型信号下的脑电信号的本征模态函数采用不同的去噪方法进行脑电伪迹去除，使得去噪更具有针对性，去噪效果更好，最后将已去除不同干扰类型信号的脑电信号的本征模态函数进行信号重构融合，得到已去除脑电伪迹的脑电信号，提升了对脑电信号进行分析的准确性和可靠性。

本发明授权一种基于多变量经验模态分解融合的分类去除脑电伪迹方法及系统在权利要求书中公布了：1.一种基于多变量经验模态分解融合的分类去除脑电伪迹方法，其特征在于，包括以下步骤： S1.获取多通道原始脑电信号； S2.利用优化后的多变量经验模态分解算法对多通道原始脑电信号进行多变量经验模态分解，得到原始脑电信号的本征模态函数； 所述优化包括采用灰狼优化算法对多变量经验模态分解算法优化，过程为： 定义多变量经验模态分解算法中模态分量的个数K和惩罚因子α的范围分别为： Kmin≤K≤Kmax αmin≤α≤αmax 其中，Kmin表示模态分量的个数的最小值，Kmax表示模态分量的个数的最大值，αmin表示惩罚因子的最小值，αmax表示惩罚因子的最大值； 将模态分量的个数K和惩罚因子α组合，生成为P个候选解，表达式为： Yi＝[Ki,αi],i＝1,2,…,P 其中，Yi表示模态分量的个数K和惩罚因子α的组合； 构建目标函数以衡量每个模态分量的峭度，表达式为： 其中，fα，K表示衡量每个模态分量的峭度的目标函数，xj是模态分量IMFi的第j个样本点，是模态分量IMFi的均值，σ是模态分量IMFi的标准差，N是模态分量的样本数，K是模态分量的个数； 若取得最小值，即得到最优峭度，则候选解为最优解，根据最优解的表达式确定模态分量的最优个数K和最优惩罚因子α，否则，对候选解进行更新迭代，更新迭代表达式为： Yinew＝Yα-A·|C·Yα-Yi| 其中，Yinew表示更新后的候选解，Yα表示当前模态分量的个数K和惩罚因子α的组合下的参考解，A表示控制更新幅度的系数，C表示与当前解之间距离的一个系数，该系数影响候选解的朝向和移动速度，A和C的计算表达式为： A＝2a·r1-a,C＝2·r2 其中，r1和r2是在[0,1]范围内的随机数，a随着当前的迭代次数t的增加而线性地从2减小到0，a的表达式为： 其中，a0为a的初始值，Tmax为最大迭代次数，在迭代更新达到最大迭代次数时，得到迭代更新后的候选解，将其作为最优解，根据最优解的表达式确定模态分量的最优个数K和最优惩罚因子α； S3.基于多维干扰分类阈值对本征模态函数进行分类，得到不同干扰类型信号下的脑电信号的本征模态函数； S4.对不同干扰类型信号下的脑电信号的本征模态函数采用不同的去噪方法进行脑电伪迹去除，分别得到已去除不同干扰类型信号的脑电信号的本征模态函数； S5.将已去除不同干扰类型信号的脑电信号的本征模态函数进行信号重构融合，得到已去除脑电伪迹的脑电信号。

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广东工业大学，其通讯地址为：510080 广东省广州市越秀区东风东路729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。