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！

龙图腾网获悉北京工业大学申请的专利一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法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：CN119385578B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411455009.1，技术领域涉及：A61B5/372；该发明授权一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法是由王丹;杨攀;许萌;陈佳明设计研发完成，并于2024-10-17向国家知识产权局提交的专利申请。

本一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法在说明书摘要公布了：本发明提出了一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法，旨在提升RSVP脑电信号的特征提取和分类性能。首先，对采集的RSVP脑电信号进行预处理，包括共平均参考、带通滤波和标准化处理并对训练集和测试集进行划分。然后，通过并行卷积层和空间卷积层提取多尺度时间和空间特征，利用插值法融合不同层次的特征。训练过程解耦为表示学习和分类器学习，表示学习使用基于难度样本采样的三元组损失函数，分类器学习使用优化后的FocalLoss进行特征学习和分类器优化。引入自适应通道混合注意力机制，通过动态加权和多层次特征融合，增强了模型的灵活性和鲁棒性。该方法解决了RSVP任务中的类别不平衡问题。

本发明授权一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法在权利要求书中公布了：1.一种基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法，其特征在于，具体包括以下步骤： 步骤1，数据预处理和数据集划分：首先，对原始脑电信号数据进行预处理，删除不必要的冗余通道以减少噪声干扰，保留对分类任务有用的通道信息；其次，将每个脑电信号区块划分为不同的试次，每个试次的信号进行归一化处理，即将信号变换为零均值和单位方差，以消除不同信号之间的量纲差异；接着，使用带通滤波器对脑电信号进行滤波处理，以保留与RSVP任务相关的频率成分，滤除低频和高频噪声干扰；最后，将预处理后的数据集划分为训练集和测试集； 步骤2，构建ACMA‑DL模型；对于基于自适应通道混合注意力机制和解耦学习的RSVP类不平衡脑电信号分类方法ACMA‑DL，模型首先通过并行卷积层提取多尺度的时间特征，使用不同的时间窗口和滤波器参数来捕捉脑电信号的多种时间变化信息；通过时间特征的多尺度提取，捕捉不同频段的信号变化，从而提高时间维度的特征表达能力；接下来，模型使用空间卷积层提取信号中的空间特征，确保在多电极脑电信号中捕捉到脑区之间的空间依赖关系；通过空间特征的提取，模型能够学习到不同电极通道之间的关系，并提升对脑电信号空间特性的建模能力；在多尺度特征提取后，模型使用插值法对来自不同尺度的时间和空间特征进行融合，通过多层次的特征融合提升特征的表达能力和泛化能力；最后，模型引入自适应通道混合注意力机制，对融合后的多尺度特征进行加权处理，动态地调整各个通道的权重； 步骤3，训练过程解耦为两个阶段：在表示学习阶段，采用基于难度样本的三元组损失优化策略；该策略通过计算每个锚点样本与其正样本之间的相似度，选取余弦相似度最高的负样本，即“最难”的负样本；在表示学习阶段，使用步骤1中构建的训练集输入ACMA‑DL模型，进行特征提取器的训练； 在分类器学习阶段，使用从表示学习阶段训练好的特征提取器，并结合优化后的Focal损失函数进行分类器的优化；优化后的Focal损失函数通过减少易分类样本的权重、增加难分类样本的权重，从而解决类别不平衡问题，在此阶段，加载步骤1中构建的分类器学习阶段的训练集，对ACMA‑DL模型进行分类器训练。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。