-
公开(公告)号：CN112992119B
公开(公告)日：2024-05-03
申请号：CN202110052375.2
申请日：2021-01-14
Applicant: 安徽大学
IPC: G10L15/00 , G10L15/02 , G10L15/06 , G10L15/08 , G10L15/16 , G10L15/30 , G06F18/2415 , G06N3/0464 , G06N3/044 , G06N3/0455 , G06N3/048
Abstract: 本发明公开了一种基于深度神经网络的口音分类方法，包括：提取原始音频的帧级频域特征，构建2D语音频谱作为网络输入X；构建一个多任务权值共享的基于CRNNs的前端编码器来提取频谱X的局部序列描述符{P1,…,PT'}；在训练过程中，前端编码器后增设语音识别任务分支网络，用来抑制口音识别中的过拟合现象；构建用于口音识别任务的核心分支网络，首先将所有局部序列描述符整合成一个全局口音特征；然后在预测过程中引入判别性损失函数；最后通过基于softmax的分类层对全局口音特征进行分类，实现口音预测。还公开了一种高度可判别性的基于深度神经网络的口音分类模型，对来自不同区域群体的说话人能给出一个可靠的口音预测。
-
公开(公告)号：CN110516711B
公开(公告)日：2022-10-21
申请号：CN201910677300.6
申请日：2019-07-25
Applicant: 安徽大学
Abstract: 本发明公开了一种MI‑BCI系统的训练集质量评估方法和单次训练样本的优化选择方法，采集单次试验MI‑EEG数据；设计相应的ICA空域滤波器；计算单次识别率Acc(k)和总体识别率Acc；确定用于单次试验数据质量评估的量化指标；计算训练样本质量的综合评分Cs；根据Cs的数值对训练集的质量进行评估。再根据所得Acc、量化指标和综合评分Cs，对训练集中的单次试验样本进行优化选择。本发明的训练集质量评估方法和单次训练样本的优化方法，具有较好的稳定性、准确性和运算复杂度低等优点。
-
公开(公告)号：CN108710895B
公开(公告)日：2022-03-22
申请号：CN201810366834.2
申请日：2018-04-23
Applicant: 安徽大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于独立分量分析的运动想象脑电信号分类方法，包括以下步骤：S1：采集脑电信号并对脑电信号进行预处理，将预处理后的脑电信号随机分为训练集和测试集；S2：将训练集数据依次选择单次试验样本数据进行独立分量分析计算，并基于源的空间分布模式实现运动相关分量的自动识别获取；S3：基于零训练分类器的运动想象分类识别；S4：使用训练集数据进行导联的优化选择，将优化后的导联代入测试集，循环步骤S2和S3，得到最终的分类识别率。本发明可以减少由采集的EEG数据之间的差异性所带来的空域模型匹配问题产生，对运动想象EEG信号具有较高的识别正确率。
-
公开(公告)号：CN112102949A
公开(公告)日：2020-12-18
申请号：CN202010894355.5
申请日：2020-08-31
Applicant: 安徽大学
IPC: G16H50/30 , G06K9/00 , A61B5/0205
Abstract: 本发明公开了一种面部血流脉冲信号和面部器官运动特征提取方法，利用本发明的稳定性好、抗干扰能力强的面部视频采集设备拍摄高质量面部视频，再利用信号处理技术对面部视频序列空间滤波、预处理，然后经ICA盲源分离算法分离得到面部血流脉冲信号和面部器官运动特征，最后针对ICA的排序模糊的问题，采用一种基于SNR和谱峭度的BVP自动提取方法，计算出心率、呼吸率的生命体征参数。本发明不仅可以提取BVP信号，进而获得心率、呼吸率等生命体征参数，还能对面部器官动作相关的信号成分进行检测，如眼动特征检测和唇部运动特征检测等，为表情分析、情感识别、疲劳监测和心理状态评估等提供方便适用的穿戴式面部视频采集装置及其方法。
-
公开(公告)号：CN109144266A
公开(公告)日：2019-01-04
申请号：CN201811007281.8
申请日：2018-08-29
Applicant: 安徽大学
CPC classification number: G06F3/015 , G06F2203/011 , G06K9/00536 , G06K9/624
Abstract: 本发明公开了一种基于独立分量分析的脑机接口导联优化方法。该方法包括以下步骤：构建基于单次试验样本设计的ICA‑MIBCI系统，用于从EEG训练集中选择高质量的单次试验数据，以保证后续ICA‑MIBCI系统设计的可靠行。在此基础上，采用一种新的EEG导联优化策略，以自动实现对不同BCI使用者的EEG导联优化。本发明应用于ICA‑MIBCI系统实现，不仅能快速准确地完成基于特定人的EEG导联选择，缓解低质量训练数据对MIBCI性能的影响。同时，能更好地发挥ICA空域滤波方法在真实EEG源获取和定位、模型迁移以及训练数据采集等方面的优势，进而可有效改善ICA‑MIBCI系统的稳定性和实用性。
-
Patent Agency Ranking
公开(公告)号：CN107480716A
公开(公告)日：2017-12-15
申请号：CN201710695447.9
申请日：2017-08-15
Applicant: 安徽大学
IPC: G06K9/62 , G06K9/00 , A61B5/0496
Abstract: 本发明公开一种结合EOG和视频的扫视信号识别方法及系统，属于眼电图技术领域，包括：同步采集扫视动作的EOG数据与视频数据；对EOG数据和视频数据进行预处理；对EOG数据采集通道进行端点检测，得到端点检测结果；将端点检测结果应用于EOG与视频两种模态下的有效眼动数据段检测，将有效眼动数据分为训练集和测试集；对训练集和测试集中两种模态下的数据进行特征提取得到有效眼动数据的特征；将两种模态下有效眼动数据的特征进行融合；将融合后扫视特征参数送入SVM分类器中进行训练，得到分类模型；利用测试集中数据对分类模型进行测试，得到测试后分类模型以进行信号识别。本发明中融合后的特征具有更多互补信息，提高了信号识别鲁棒性。
-
公开(公告)号：CN107480635A
公开(公告)日：2017-12-15
申请号：CN201710695421.4
申请日：2017-08-15
Applicant: 安徽大学
Abstract: 本发明公开了一种基于双模态分类模型融合的扫视信号识别方法及系统，属于眼电图技术领域，方法包括：同步采集受试者不同扫视动作类别的EOG数据和视频数据；对EOG数据和视频数据分别进行预处理；对EOG数据和视频数据进行端点检测；选择EOG数据端点检测结果和视频数据端点检测结果中有效数据较长端点作为最终的端点检测结果；将两种模态下的有效眼动数据段分成训练集和测试集并进行特征参数提取；将两种模态下有效眼动数据特征参数送入SVM分类器中进行训练，得到两种分类模型；对两种分类模型进行融合；利用测试集中的数据对模型融合进行测试以对扫视信号进行识别。本发明中融合后的特征具有更多互补信息，提高了信号识别鲁棒性。
-
公开(公告)号：CN107450730A
公开(公告)日：2017-12-08
申请号：CN201710695419.7
申请日：2017-08-15
Applicant: 安徽大学
Abstract: 本发明公开了一种基于卷积混合模型的慢速眼动识别方法及系统，属于眼电图技术领域，包括采用复值ICA算法对各频点的眼动数据进行盲源分离，得到各独立源信号在相应频点上的频域独立分量；对各频点上的独立分量进行尺度补偿，还原独立分量在观测分量中的真实比例成分；采用约束DOA算法对补偿后的独立分量进行排序调整；对尺度补偿后和排序后的各频点的独立分量进行短时傅里叶逆变换处理，得到时域上多通道独立源完整的时间信号；对多通道独立源完整的时间信号进行小波分解，将得到的分解结果与慢速眼动的评判标准进行对比与分析，与慢速眼动特征均相符的则识别为慢速眼动。本发明在时域中对多通道EOG信号进行小波分析，由于没有其他源信号的干扰能快速的从EOG信号中提取出慢速眼动。
-
公开(公告)号：CN101598973B
公开(公告)日：2011-01-05
申请号：CN200910117156.7
申请日：2009-06-26
Applicant: 安徽大学
IPC: G06F3/01 , A61B5/0496 , A61B3/113
Abstract: 基于眼电信号的人机交互系统，其特征是眼电信号采集与放大模块通过眼电信号传感器获取眼电信号，并对其进行放大；在线眼电信号处理模块实现对来自眼电信号采集与放大模块的信号进行在线模式识别，实时判断出操作者的眼部动作；以受控单元实现眼动模式的编码及受控命令的生成。本发明应用性强、测量精度高、识别速度快、操作简单方便，实现了基于眼电的特殊人机交互。本发明可以帮助肢体残疾人象正常人一样实现操控计算机、书写文本、浏览网页等操作或实现对其他电子设备，如对家电的无线控制等人机交互动作；同时还可以用于正常人不便用手操作计算机的场合，比如：矿井、营救手术、航天器、水下等条件苛刻或狭窄的环境中。
-
公开(公告)号：CN118051771A
公开(公告)日：2024-05-17
申请号：CN202410016116.8
申请日：2024-01-04
Applicant: 安徽大学
IPC: G06F18/214 , G06F18/10 , G06F18/241 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于稳态视觉诱发电位空域特性的身份识别方法，包括以下步骤：S1：使用Benchmark数据集并对其进行预处理；S2：设计一个EhythmNet模型；S3：利用EhythmNet模型对预处理后的数据集进行训练与测试；S4：利用EhythmNet模型对N导联EEG数据进行分类，得到导联识别率和识别率脑地形图；S5：利用EhythmNet基于导联识别率对被试者进行分类识别；S6：利用EfficientNet‑B0基于脑地形图对被试者进行分类识别。还公开了一种基于稳态视觉诱发电位空域特性的身份识别系统。本发明利用SSVEP在不同头皮电极的空域分布特性，实现了两种不同的身份识别新方法。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.021 seconds)
