-
公开(公告)号：CN113128353A
公开(公告)日：2021-07-16
申请号：CN202110327248.9
申请日：2021-03-26
Applicant: 安徽大学
Abstract: 本发明公开了一种面向自然人机交互的情绪感知方法，包括以下步骤：S1：采集积极、平和、消极情感状态下的头皮脑电信号；S2：对步骤S1采集的数据进行预处理；S3：构建训练样本和测试样本；S4：训练深度卷积神经网络；S5：测试集测试分类效果。还公开了一种面向自然人机交互的情绪感知系统。本发明通过时空深度卷积神经网络学习脑电信号中的高维时空特征信息，以实现对情感识别任务的效率和准确率提升的脑电信号情感识别方法。本发明克服先进行特征提取后再输入卷积神经网络中产生的丢失部分有用脑电特征信息、特征提取有用性验证的问题，减少情感识别的复杂性，提高情感识别的效率和准确率。
-
公开(公告)号：CN119302672B
公开(公告)日：2025-04-04
申请号：CN202411852205.2
申请日：2024-12-16
Applicant: 安徽大学
IPC: A61B5/372 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/211 , G06F18/2134 , G06F18/27 , G06N3/084 , G06N3/0499
Abstract: 本发明公开了一种基于神经谱信息跨电极表征学习的大脑年龄预测方法，包括：对被试的多电极通道中的每一电极通道的EEG数据进行预处理，得到1‑20Hz频率下的功率谱密度PSD；利用1‑20Hz频率下的PSD计算每一电极通道的脑电神经谱特征，包括非周期参数AF、周期参数PF、功率比PR、相对能量RE和峰度KUR；将每一电极通道的上述脑电神经谱特征作为单电极自身独立表征的频谱信息，通过稀疏线性回归方法刻画出所有电极神经谱特征的跨电极互相表征的相似性关系矩阵；最后，构建全连接多层神经网络，学习被试的单电极神经谱特征和电极间神经谱特征表征的相似性矩阵与大脑年龄之间的映射关系，根据上述跨电极神经谱特征和神经网络预测被试的大脑年龄。
-
公开(公告)号：CN116067990A
公开(公告)日：2023-05-05
申请号：CN202310144109.1
申请日：2023-02-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于FMCW技术对温度鲁棒的液体识别方法，涉及液体识别技术领域。一种基于FMCW技术对温度鲁棒的液体识别方法，包括以下步骤：将待测液体放置在收发机前方；毫米波雷达发射调频连续波信号；接收由待测液体反射回的信号；消除硬件自身的直流分量的干扰；提取液体信息；提取对温度鲁棒的液体特征；实现液体识别。本发明提出的一种基于FMCW技术对温度鲁棒的液体识别方法，通过FMCW毫米波雷达持续不断地发射chirp信号，接收由待测液体反射回的信号，并对信号进行滤波，去除直流分量，提取液体信息，获得待测液体的毫米波谱，对毫米波谱进行简化量化，从而得到对温度波动具有鲁棒性的液体特征，进而实现识别液体。
-
公开(公告)号：CN118940031A
公开(公告)日：2024-11-12
申请号：CN202410965778.X
申请日：2024-07-18
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/241 , G06F18/20 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于扩散增强的多尺度时空感知的脑电数据扩增方法，包括以下步骤：S1：采集用户的脑电数据进行预处理，并转化为二维矩阵阵列；S2：将所有用户的数据进行对齐标准化，并划分为训练集与测试集；S3：构建扩散增强模型，利用训练集数据训练扩散增强模型；S4：构建并训练多尺度时空感知模型；S5：通过训练好的扩散增强模型生成增强样本，将增强样本与真实样本混合输入到多尺度时空感知模型中进行微调，得到训练好的多尺度时空感知模型；S6：将测试集输入到训练好的多尺度时空感知模型中，得到分类好的情感标签。还公开了一种基于扩散增强的多尺度时空感知的脑电数据扩增系统。本发明能端到端地实现高准确度的情感识别。
-
公开(公告)号：CN116184410A
公开(公告)日：2023-05-30
申请号：CN202310144107.2
申请日：2023-02-21
Applicant: 安徽大学
Abstract: 本发明公开了一种基于麦克风阵列的超声波攻击检测及定位方法，涉及超声波攻击防御领域。一种基于麦克风阵列的超声波攻击检测及定位方法，包括以下步骤：S1：设置超声波扬声器在麦克风阵列中，周期性的广播辅助信号，与可能存在的超声波攻击信号发生下转换，从而监听有无超声波攻击；S2：预处理采集数据，对麦克风接收到的信号进行滤波、去噪、分割以及标准化。本发明提出的一种基于麦克风阵列的超声波攻击检测及定位方法，采用在智能设备中广泛装配的麦克风阵列和一个超声波扬声器，该技术不仅可以及时、高效地检测到超声波攻击事件的发生，还可以在第一时间准确地测量出攻击者的位置，从而及时为用户清除威胁。
-
Patent Agency Ranking
公开(公告)号：CN112347984A
公开(公告)日：2021-02-09
申请号：CN202011364249.2
申请日：2020-11-27
Applicant: 安徽大学
Abstract: 本发明公开了一种基于嗅觉刺激的EEG采集和情感识别方法及其系统，包括：实验范式设计模块，设计一个新型范式使得在已有视觉刺激的同时增加嗅觉刺激能够增强受试者的情感体验；数据采集模块，选取合适的被试者进行EEG信号采集并获得初步的被试者的情感反馈标签；预处理模块，对采集到的EEG信号进行预处理得到更纯净的EEG信号；特征提取模块，对处理好的EEG信号提取PSD、DE、DASM和RASM四种不同的情感特征；分类识别模块，将提取的特征分为测试集和训练集放入支持向量机SVM分类器中进行学习分类。本发明对比了纯视频刺激和气味视频混合刺激下的脑地形图及识别率，从而确认嗅觉刺激可以更为强烈的诱发受试者的情感。
-
公开(公告)号：CN119598136A
公开(公告)日：2025-03-11
申请号：CN202510142637.2
申请日：2025-02-10
Applicant: 安徽大学
Abstract: 本发明公开了一种脑电多指标网络规范化建模方法，包括以下步骤：S1：采用基于大规模全生命周期多国家脑电交叉谱数据集作为原始脑电数据，计算原始脑电数据的交叉谱矩阵，并对原始脑电交叉谱矩阵进行预处理；S2：利用预处理后的原始脑电交叉谱矩阵构建加权无向网络，作为脑功能网络；S3：计算所述脑功能网络的脑网络功能整合、功能分离及中心性三个维度的网络特征，并建立所述网络特征的演化轨迹；S4：设计一个具有可解释性的轻量级神经网络回归模型，对脑功能网络的上三角元素进行重构得到完整的脑功能网络，即此年龄对应的规范化脑功能网络。还公开了一种脑电多指标网络规范化建模系统。本发明能更准确地反映脑功能网络的原理。
-
公开(公告)号：CN118550404A
公开(公告)日：2024-08-27
申请号：CN202410477332.2
申请日：2024-04-19
Applicant: 安徽大学
IPC: G06F3/01 , A61B5/374 , A61B5/375 , A61B5/291 , A61B5/256 , A61B5/16 , A61B5/00 , G16H20/70 , G06F18/213 , G06N3/04 , G06N3/092
Abstract: 本发明公开了一种基于视觉P300范式和强化学习的神经反馈训练系统，包括：脑电信号采集模块，将脑电帽和放大器佩戴在被试头上，采集被试在P300‑单词拼写范式下的脑电信号；频谱分析及特征提取模块，将采集到的脑电信号经过预处理后，提取P300信号；强化学习生成刺激参数模块，用于将采集得到的P300幅值数据以及单词拼写正确率作为参数输入至强化学习Q‑Learning模型中，产生出下一轮刺激的最佳参数；反馈可视化模块，用于将P300‑单词拼写任务以字符展示界面呈现于被试者前方，并将反馈参数即单词拼写器闪烁频率作为单词的闪烁频率，经过多轮训练，与传统反馈相比，被试的专注度得到显著提升，且达到目标专注度的时间大幅降低。
-
公开(公告)号：CN114519367A
公开(公告)日：2022-05-20
申请号：CN202210042816.5
申请日：2022-01-14
Applicant: 安徽大学
Abstract: 本发明公开了一种基于样本学习的运动想象脑电频率特性分析方法，包括以下步骤：S1：将多导原始MI‑EEG信号通过时域滤波和空域滤波预处理后，分离出若干运动相关独立分量MRICs，对MRICs进行时域拼接，生成一维CNN的训练样本；S2：利用S1生成的训练样本对一维CNN模型进行训练与分类性能测试，自动获取个性化MI频率参数和滤波参数；S3：将经一维CNN模型学习所得的最优一维卷积核参数直接构造时域带通滤波器，完成CSP空域滤波器和分类器的设计和训练。还公开了一种基于样本学习的运动想象脑电频率特性分析系统。本发明能够实现个性化MI‑BCI系统的优化设计。
-
公开(公告)号：CN119302672A
公开(公告)日：2025-01-14
申请号：CN202411852205.2
申请日：2024-12-16
Applicant: 安徽大学
IPC: A61B5/372 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/211 , G06F18/2134 , G06F18/27 , G06N3/084 , G06N3/0499
Abstract: 本发明公开了一种基于神经谱信息跨电极表征学习的大脑年龄预测方法，包括：对被试的多电极通道中的每一电极通道的EEG数据进行预处理，得到1‑20Hz频率下的功率谱密度PSD；利用1‑20Hz频率下的PSD计算每一电极通道的脑电神经谱特征，包括非周期参数AF、周期参数PF、功率比PR、相对能量RE和峰度KUR；将每一电极通道的上述脑电神经谱特征作为单电极自身独立表征的频谱信息，通过稀疏线性回归方法刻画出所有电极神经谱特征的跨电极互相表征的相似性关系矩阵；最后，构建全连接多层神经网络，学习被试的单电极神经谱特征和电极间神经谱特征表征的相似性矩阵与大脑年龄之间的映射关系，根据上述跨电极神经谱特征和神经网络预测被试的大脑年龄。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
