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！

龙图腾网获悉哈尔滨工程大学申请的专利一种基于深度学习的脑电信号分类识别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：CN116383696B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202310164204.8，技术领域涉及：G06F18/24；该发明授权一种基于深度学习的脑电信号分类识别方法及系统是由徐丽;张新玉;蔺芳;杨正时;刘焕琨;李文鑫设计研发完成，并于2023-02-24向国家知识产权局提交的专利申请。

本一种基于深度学习的脑电信号分类识别方法及系统在说明书摘要公布了：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。

本发明授权一种基于深度学习的脑电信号分类识别方法及系统在权利要求书中公布了：1.一种基于深度学习的脑电信号分类识别方法，其特征在于：所述方法具体过程为： 步骤1：获取原始脑电信号数据集，即公开数据集：PhysioNeteegmidb数据库； 将原始脑电信号数据预处理为一维原始脑电信号特征向量； 步骤2：采用EMD分解算法对步骤1得到的一维原始脑电信号进行扩充处理，得到一个新的脑电信号数据样本； 步骤3：构建改进CNN卷积神经网络，用改进CNN卷积神经网络对步骤2得到的新的脑电信号数据样本进行脑电空间特征提取，获得一维脑电空间特征Xs； 步骤4：构建改进LSTM循环神经网络RNN，用改进LSTM循环神经网络RNN对步骤2中的新的脑电信号进行脑电时间特征提取，获得一维的脑电时间特征Xt； 步骤5：将一维的脑电空间特征和一维的脑电时间特征进行拼接，得到拼接后的时空特征； 构建自动编码器AE对拼接后的时空特征进行特征重构，重构后特征输入分类器，完成运动想象任务的分类识别； 步骤6：受试者佩戴BCI2000EEG设备，采集受试者待测脑电信号，将待测脑电信号表示为一维向量； 将一维向量输入训练好的改进CNN卷积神经网络，改进CNN卷积神经网络的第二全连接层的输出作为改进CNN卷积神经网络提取的空间特征，称之为一维的脑电空间特征； 将一维向量输入训练好的改进LSTM循环神经网络RNN，改进LSTM循环神经网络RNN的第二LSTM输出的数据作为改进LSTM循环神经网络RNN提取的时间特征，称之为一维的脑电时间特征； 将得到的一维的脑电空间特征和得到的一维的脑电时间特征进行拼接，得到样本； 将得到样本输入训练好的自动编码器AE，自动编码器AE输出特征输入分类器，完成运动想象任务的分类识别。

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哈尔滨工程大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区南通大街145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。