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运动想象脑电信号分类方法、系统及存储介质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：CN119202860B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202411174571.7，技术领域涉及：G06F18/2411；该发明授权一种基于深度学习的运动想象脑电信号分类方法、系统及存储介质是由徐丽;裴孝天;张新玉;刘焕琨设计研发完成，并于2024-08-26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运动想象脑电信号分类方法、系统及存储介质在说明书摘要公布了：一种基于深度学习的运动想象脑电信号分类方法、系统及存储介质，本发明属于脑机接口领域，具体涉及基于深度学习的运动想象脑电信号分类方法、系统及存储介质。本发明的目的是为了解决由于脑电信号信噪比低等原因导致的运动想象脑电信号分类识别准确率低的问题。过程为：获取二维原始脑电信号特征向量；对信号特征向量进行通道选择；构建EEG‑TCN‑LSTM卷积神经网络；获得训练好的EEG‑TCN‑LSTM；获取受试者待测二维脑电信号特征向量，对二维原始脑电信号特征向量进行通道选择，得到新的特征向量集合，将二维向量输入训练好的EEG‑TCN‑LSTM，训练好的EEG‑TCN‑LSTM输出每个运动想象类别的预测概率。

本发明授权一种基于深度学习的运动想象脑电信号分类方法、系统及存储介质在权利要求书中公布了：1.一种基于深度学习的运动想象脑电信号分类方法，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； 将将原始脑电信号数据预处理为二维原始脑电信号特征向量； 步骤2：对二维原始脑电信号特征向量进行通道选择，得到新的二维脑电信号特征向量集合； 步骤3：构建EEG-TCN-LSTM卷积神经网络； 所述EEG-TCN-LSTM卷积神经网络为多域特征融合网络； EEG-TCN-LSTM卷积神经网络包括：改进EEGNet卷积神经网络、改进TCN时间卷积神经网络、改进LSTM循环神经网络RNN、分类器； 改进EEGNet卷积神经网络依次包括：输入层、一维卷积层、第一激活函数层、第一批量归一化层、深度卷积层、第二激活函数层、第二批量归一化层、第三激活函数层、第一平均池化层、第一Dropout层、可分离卷积层、第四激活函数层、第三批量归一化层、第五激活函数层、第二平均池化层和第二Dropout层； 改进TCN时间卷积神经网络依次包括：输入层、TCN残差模块、ELU激活函数； TCN残差模块依次包括：TCN残差块1和TCN残差块2； TCN残差块1依次包括： 第一膨胀因果卷积层、第一权重归一化层、第一ReLU激活函数层、第三Dropout层、第二膨胀因果卷积层、第二权重归一化层、第二ReLU激活函数层和第四Dropout层； TCN残差块2依次包括： 第三膨胀因果卷积层、第三权重归一化层、第三ReLU激活函数层、第五Dropout层、第四膨胀因果卷积层、第四权重归一化层、第四ReLU激活函数层和第六Dropout层； 改进LSTM循环神经网络RNN依次包括输入层、LSTM层、第七Dropout层； 分类器依次包括全连接层、第一Softmax激活函数层； EEG-TCN-LSTM卷积神经网络的工作过程为： 步骤2得到的新的二维脑电信号特征向量输入改进EEGNet卷积神经网络，改进EEGNet卷积神经网络输出二维的脑电频率-空间域特征Xfs； 改进EEGNet卷积神经网络输出的二维的脑电频率-空间域特征Xfs输入改进TCN时间卷积神经网络，改进TCN时间卷积神经网络输出二维的脑电时域特征Xt； 改进EEGNet卷积神经网络输出的二维的脑电频率-空间域特征Xfs输入改进LSTM循环神经网络RNN，改进LSTM循环神经网络RNN输出二维的脑电时域特征Xl； 将改进TCN时间卷积神经网络输出二维的脑电时域特征Xt和改进LSTM循环神经网络RNN输出二维的脑电时域特征Xl进行拼接，得到拼接后的频率-时域-空间域特征X； 对拼接后的频率-时域-空间域特征X进行张量展平，得到特征X′； 将特征X′输入分类器，分类器输出每个运动想象类别的预测概率； 步骤4：获得训练好的EEG-TCN-LSTM卷积神经网络； 步骤5：获取受试者待测脑电信号； 将待测脑电信号数据预处理为二维脑电信号特征向量； 对二维原始脑电信号特征向量进行通道选择，得到新的二维脑电信号特征向量集合； 将二维向量输入训练好的EEG-TCN-LSTM卷积神经网络，训练好的EEG-TCN-LSTM卷积神经网络输出每个运动想象类别的预测概率。

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。