本发明提出了一种基于时空图模型的脑电情感识别方法，包括获取脑电情感数据库，并对数据进行预处理，将数据集划分为训练集和测试集；对时长为T的脑电信号进行样本划分，用一个时间长度为M的滑动窗口对脑电信号进行采样，得到T/M个脑电样本；构建基于Bert的图模型网络，对脑电样本各时刻信号的空间特征进行学习分析；构造时间LSTM网络，用LSTM网络分析脑电样本各时刻之间的时间相关性；利用训练集对所构建的时空Bert图模型网络进行训练，优化网络模型，利用测试集对优化模型网络进行测试，统计分类识别。本发明不仅考虑脑电空间信息，还加入时间信息，实现对脑电信号特征的较全面学习，提高识别准确率。
📄 2021113666699
📂 G06K9_00
👤 南京邮电大学
📅 2021-11-18
本发明公开了一种睡眠状态脑电特征信号特征集的构建方法。本发明方法首先实时探测脑电波信号，利用小波包变换法得到六个波段的脑电波信号；对去噪后脑电波信号序列进行分解、重构，得到各波段原始脑电波信号幅值；提取六个分波段脑电波信号的能量特征，计算能量比特征值；提取脑电波信号的时域特征、频域特征、非线性动力学特征，并计算Lempel‑Ziv复杂度特征；最后采用最小冗余最大相关性算法对得到的所有特征进行筛选，构建睡眠状态脑电特征信号特征集。本发明方法涵盖的领域更多，更全面，不仅采用去噪脑电波信号，还采用分波段脑电波信号，使得特征更加丰富。
📄 2021111824289
📂 A61B5_369
👤 浙江工业大学
📅 2021-10-11
本发明公开了基于一维卷积核的运动想象脑电信号分类方法。现有运动想象脑电信号分类数量不多或者分类准确度不高。本发明方法首先获取运动想象脑电数据，并进行标准化处理；小波包变换得到α和β频段的脑电信号；然后利用一维卷积核的卷积神经网络对构造的MI‑EEG数据进行分类，网络结构包括卷积层、全连接层；获取和训练卷积神经网络模型，在相应数据集上进行模型训练和验证，选取效果最优的模型作为最终运动想象脑电数据分类模型。本发明方法避免了大量细节和边缘脑电信息的缺失，使脑电信号的时频分析更加精确。本发明方法采用的卷积神经网络模型既保留了各自通道的特征信息，又保留了脑电数据的完整性，在运动想象多分类任务上易于实现。
📄 2021114853457
📂 G06F18_24
👤 浙江工业大学
📅 2021-12-07
本公开公开了一种脑电信号处理方法及癫痫检测系统，数据预处理：对脑电信号数据集进行离散小波变换分解出五条脑电图频带；求出小波系数；剔除一条频率最高的脑电图频带，通过逆向离散小波变换对剩余四条低频率的频带进行重构，得到一个去掉高频成分的信号；从重构得到的信号中提取时域特征和基于熵的特征，构建备选特征集合；利用基于特征相关性的特征选择法从备选特征集合里面选出最优特征子集。其具有针对已提取特征，利用改进的基于相关性特征选择方法选出最优特征子集的效果。
📄 2018112366178
📂 A61B5_0476
👤 西南大学
📅 2018-10-23
本发明涉及电子病历数据分类技术领域，具体涉及一种基于脑电信号的电子病历数据分类方法。本发明首先获取每个患者在每个通道下的脑电信号，及其内发病脑电信号切片与未发病脑电信号切片，并获取每个脑电信号切片在不同预设频段内的波段成分及其关联生理指标；然后从所有通道的脑电信号中筛选出每个患者的关注脑电信号，并获取每个预设频段的关注系数，进而从患者的关注脑电信号中提取出关注信号成分，最终基于关注信号成分对不同患者的电子病历数据分类。本发明通过分析并提取脑电信号中的重要信号成分，降低分类模型的分类难度及非脑活动通道信号对发病时脑电活动的覆盖干扰，提高了基于脑电信号的电子病历数据分类效果。
📄 202511596083X
📂 G06F18_241
👤 北京圣一科技有限公司
📅 2025-11-04
本发明公开了一种基于MSVM脑电信号特征分类的方法，该方法涉及脑机接口技术的特征分类与识别控制领域。本发明本章中采用支持向量机对脑电信号进行特征分类，针对现有支持向量机算法在参数选择上的问题，提出了改进的参数寻优方法。为了达到多分类的目的，在二分类的基础上对多分类支持向量机的原理及结构进行了探索。通过分析比较后选择了二叉树形式的多分类支持向量机进行多特征分类，并在离线环境下对改进的参数寻优算法进行了实验验证。
📄 2013103961665
📂 G06F17_30
👤 重庆邮电大学
📅 2013-09-03
本发明涉及一种混合小波和共同空间模式的左右手运动想象脑电信号特征提取方法，属于脑电信号识别控制技术领域。该方法混合小波和共同空间模式算法对左右手运动想象脑电信号进行处理，提取出能够表征左右手运动想象脑电信号的时频空特征，具体包括以下步骤：1)使用小波变换对左右手运动想象脑电信号进行分解，得到能反映其时频特征的小波系数；2)使用CSP算法对能反映左右手运动想象脑电信号时频特征的小波系数D2进行分析，得到该小波系数的最优空间滤波器；3)使用该最优空间滤波器提取出能反映左右手运动想象脑电信号时频空特征的特征值。本方法能够解决现有技术中的脑电信号特征提取方法不能同时提取出脑电信号的时频特征和空域特征的问题。
📄 2014107842053
📂 A61B5_0476
👤 重庆邮电大学
📅 2014-12-16
本发明涉及一种基于CSP和R-CSP算法的脑电信号特征提取方法。本发明针对传统CSP算法提取小样本的脑电信号时，其协方差估计会产生较大的误差，本发明在传统的CSP算法上改进，提出了正则化的CSP算法(R-CSP)。首先利用小波阈值去噪算法对信号进行去噪处理；其次，求对5名实验者协方差矩阵，并选取其中一个为目标实验者，其余作为辅助实验者，通过正则化参数的选择来构造出最优的空间滤波器，从而提取到特征向量。最后，利用遗传算法来优化支持向量机分类器，进而提高分类结果的正确率。其最终的分类结果表明，R-CSP算法相比于传统的CSP算法其分类识别的正确率更好。
📄 2015100502695
📂 A61B5_0476
👤 杭州电子科技大学
📅 2015-01-30
本发明提供一种基于样本熵的N400诱发电位测谎方法，包括以下步骤：脑电信号提取与同步放大；脑电信号采集；脑电信号接收与同步存储；脑电信号预处理；脑电信号叠加平均；脑电信号样本熵特征值提取；说谎与否状态判断，结合样本熵度量N400诱发脑电信号的复杂度，反映其非线性特征，通过对数据的统计分析找到区别说谎与否的特征阈值，比较探测刺激和无关刺激ERP脑电信号数据样本熵值差的绝对值与阈值的大小，判断是否说谎，克服了现有技术中利用诱发电位波形几何性质进行测谎判断的不足，使得本发明具有能够有效保证稳定的谎言识别正确率的优点。
📄 2015107849714
📂 A61B5_0476
👤 陕西师范大学
📅 2015-11-16
本发明公开了一种基于多重分形消除趋势波动分析的脑电测谎方法，该方法包括以下步骤：一、脑电测谎判断阈值设定：采用与处理器连接的参数设置单元对脑电信号提取装置的脑电测谎判断阈值进行设定；二、脑电信号采集：采用Pz电极对被测试者头部顶点的脑电信号进行实时提取，并通过脑电信号采集设备按照预先设定的采样频率f对Pz电极提取的脑电信号同步进行采集，且将所采集的脑电信号同步传送至处理器；三、脑电信号分析处理，过程如下：脑电信号接收与同步存储、脑电信号特征提取、说谎与否判断和说谎与否判断结果输出。本发明方法步骤简单、设计合理且实现方便、使用效果好，能简单、快速对说谎状态进行准确检测。
📄 2016102078194
📂 A61B5_0476
👤 陕西师范大学
📅 2016-04-05
本发明公开了一种基于脑网络分析的CNV脑电测谎方法，该方法包括脑电信号采集、脑电信号预处理、脑电信号特征提取和脑电信号显示四部分。本发明利用脑网络分析法对CNV脑电波进行特征提取，弥补了现有测谎技术对脑电信号全脑区认知差异分析的不足。同时利用软件分别采集实验组和对照组多个受试者脑电信号，将采集的脑电信号存储在预先设定的存储单元中，然后对同一受试者在不同状态下的脑电数据进行预处理和特征提取，对其预处理及特征进行分析和对比，从而给出合理的测谎结果。
📄 2018101287863
📂 A61B5_16
👤 陕西师范大学
📅 2018-02-08
本发明公开了一种基于多重分形消除趋势波动分形分析的CNV脑电测谎方法，该方法包括脑电信号采集、脑电信号预处理、脑电信号特征提取和脑电信号显示四部分。本发明利用多重分形消除趋势波动分形分析法对CNV脑电波进行特征提取，弥补了现有测谎技术对脑电信号局部自相似性和非平稳性分析的不足。同时利用软件分别采集实验组和对照组多个受试者脑电信号，将采集的脑电信号存储在预先设定的存储单元中，然后对同一受试者在不同状态下的脑电数据进行预处理和特征提取，对其预处理及特征进行分析和对比，从而给出合理的测谎结果。
📄 2018101288029
📂 A61B5_16
👤 陕西师范大学
📅 2018-02-08
柿子坊 · 知识产权运营
柿子坊知识产权运营平台