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！

龙图腾网获悉西北工业大学申请的专利一种基于水声信号刺激的脑电响应深度学习分类识别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：CN115470821B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202211132459.8，技术领域涉及：G06F18/2415；该发明授权一种基于水声信号刺激的脑电响应深度学习分类识别方法是由曾向阳;纳子涵;张琳;郭昌浩设计研发完成，并于2022-09-17向国家知识产权局提交的专利申请。

本一种基于水声信号刺激的脑电响应深度学习分类识别方法在说明书摘要公布了：本发明提出一种基于水声信号刺激的脑电响应深度学习分类识别方法，基于脑电信号，结合深度学习对水声目标信号进行分类识别。该方法充分利用了人主观上对水下噪声和水声信号的敏感程度不同，人的大脑对不同种类的水声信号的快速听觉感知和自觉的信息提取的差异，以脑电信号作为主要的输入信号，对脑电信号进行相应处理后进行水声信号的分类识别。本发明发挥人脑相对计算机更高级更有目标针对性的“滤波特性”，和较为准确的分类识别的特性，能一定程度上改善传统水声目标识别分类方法中低信噪比环境下目标的识别效果较差的缺点。

本发明授权一种基于水声信号刺激的脑电响应深度学习分类识别方法在权利要求书中公布了：1.一种基于水声信号刺激的脑电响应深度学习分类识别方法，其特征在于：包括以下步骤： 步骤1：采集已知分类的水声信号音频，标注各类水声信号标签； 步骤2：利用步骤1中处理好的水声信号音频，由被试戴好脑电信号采集装置与入耳式耳机，进行脑电实验，采集被试在听到水声信号音频后的初始脑电信号Xn： Xn的维度为水声信号类别×每类信号播放次数×采用的电极数×每个电极采集到的信号xn的维度，xn为列向量，是一维非线性时间序列信号；Sn表示包含有用信息的脑电信号，NEOGn表示眼电噪声，NEMGn表示肌电噪声，Nxn表示其他噪声，包括心电噪声、工频噪声； 步骤3：对步骤2采集到的初始脑电信号进行数据预处理，得到纯净脑电信号及对应水声信号的标签，组成训练数据集；进行数据预处理的过程为： 先对脑电信号进行0.5~1Hz的高通滤波，滤除低频噪声Nxn和部分低频眼电噪声NEOGn，得到信号X1n； 再对所得信号X1n进行四阶小波包分解，将小波包树序号为27~30，对应频率为49~64Hz的高频部分置零，重构得到滤除高频噪声及肌电噪声NEMGn的较纯净脑电信号X2n； 最后对脑电信号X2n 做奇异谱分析得到纯净脑电信号X3n； 步骤4：利用步骤3得到的训练数据集对神经网络进行训练，得到最优网络参数模型；所述神经网络为含空洞卷积的DenseNet‑121改进网络； 所述含空洞卷积的DenseNet‑121改进网络为一维的DenseNet‑121网络，DenseNet‑121网络包含4个Dense Block，每个Dense Block中分别包含6、12、24、16个由1×1卷积层和1×3卷积层组成的Dense Layer，通过计算卷积完成特征提取；每两个Dense Block之间衔接一个Transition Layer，将输出的特征维度减半；最后接全局平均池化层和全连接层，通过Softmax函数分类得到最终结果； DenseNet‑121网络中，Dense Layer中的1×3卷积层为膨胀率随层数变化的空洞卷积层：每个Dense Layer的1×3卷积层依次为膨胀率为2i‑1，i=1,2,...,5，的空洞卷积层，直到第六个Dense Layer，膨胀率重新从20进行循环； 步骤5：对于待识别分类的水声信号，由同一位被试戴好脑电信号采集装置与入耳式耳机，再次进行脑电实验，获取待识别分类水声目标的脑电响应数据； 步骤6：按照步骤3的数据预处理过程，对步骤5获得的脑电响应数据进行预处理，获得纯净的脑电信号； 步骤7：将步骤6得到的纯净的脑电信号投入步骤4训练所得的最优网络参数模型中，得到最终的分类识别结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路127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。