公开(公告)号：CN119202860A

公开(公告)日：2024-12-27

申请号：CN202411174571.7

申请日：2024-08-26

Applicant: 哈尔滨工程大学

Inventor： 徐丽 ,  裴孝天 ,  张新玉 ,  刘焕琨

IPC: G06F18/2411 ,  G06N3/0464 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/048 ,  G06F18/214

Abstract: 一种基于深度学习的运动想象脑电信号分类方法、系统及存储介质，本发明属于脑机接口领域，具体涉及基于深度学习的运动想象脑电信号分类方法、系统及存储介质。本发明的目的是为了解决由于脑电信号信噪比低等原因导致的运动想象脑电信号分类识别准确率低的问题。过程为：获取二维原始脑电信号特征向量；对信号特征向量进行通道选择；构建EEG‑TCN‑LSTM卷积神经网络；获得训练好的EEG‑TCN‑LSTM；获取受试者待测二维脑电信号特征向量，对二维原始脑电信号特征向量进行通道选择，得到新的特征向量集合，将二维向量输入训练好的EEG‑TCN‑LSTM，训练好的EEG‑TCN‑LSTM输出每个运动想象类别的预测概率。

公开(公告)号：CN116383696A

公开(公告)日：2023-07-04

申请号：CN202310164204.8

申请日：2023-02-24

Applicant: 哈尔滨工程大学

Inventor： 徐丽 ,  张新玉 ,  蔺芳 ,  杨正时 ,  刘焕琨 ,  李文鑫

IPC: G06F18/24 ,  G06F18/213 ,  G06F18/00 ,  G06F3/01 ,  G06N3/08 ,  G06N3/0464 ,  G06N3/0442

Abstract: 一种基于深度学习的脑电信号分类识别方法及系统，本发明涉及基于深度学习的脑电信号分类识别方法及系统。本发明针对由于脑电信号信噪比低等原因导致的脑电信号分类识别准确率低的问题。过程为：1：获取原始脑电信号数据集，处理为一维原始脑电信号特征向量；2：采用EMD分解算法对脑电信号进行扩充，得到新的脑电信号数据样本；3：构建改进CNN卷积神经网络，获得一维脑电空间特征；4：构建改进LSTM循环神经网络，获得一维脑电时间特征；5：构建自动编码器对拼接后的时空特征进行特征重构，重构后输入分类器，完成运动想象任务的分类识别；6：采集受试者待测脑电信号，完成运动想象任务的分类识别。本发明属于脑机接口领域。