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！

龙图腾网恭喜杭州电子科技大学申请的专利一种基于数据增强和多模态特征融合的运动想象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：CN119475109B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202510067971.6，技术领域涉及：G06F18/2415；该发明授权一种基于数据增强和多模态特征融合的运动想象脑电信号分类识别方法及系统是由王扬镔;张建海设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本一种基于数据增强和多模态特征融合的运动想象脑电信号分类识别方法及系统在说明书摘要公布了：本发明公开一种基于数据增强和多模态特征融合的运动想象脑电信号分类识别方法及系统。本发明对原始脑电数据进行基于时间序列分解和预测的数据增强；对数据增强后数据和原始数据进行时间序列分割，再将同一时间窗口内所有通道时序块进行堆叠后再提取时序特征；对数据增强后数据和原始数据进行时频分析后提取时频图像特征；将时序特征和时频图像特征拼接后输入到分类器，得到运动想象分类结果。本发明提出基于时间序列分解和预测的时序数据增强技术，为下游基于深度学习的脑电分类模型提供更充足的训练样本，提升模型的泛化能力和分类效果。还利用时序和时频进行多模态特征提取，进一步提升脑电信号分类识别的效果。

本发明授权一种基于数据增强和多模态特征融合的运动想象脑电信号分类识别方法及系统在权利要求书中公布了：1.一种基于数据增强和多模态特征融合的运动想象脑电信号分类识别方法，其特征在于，所述方法包括以下步骤：步骤S1、获取运动想象原始脑电数据；步骤S2、对原始脑电数据进行数据增强，所述数据增强包括基于时间序列分解和预测的时序数据增强；步骤S2中基于时间序列分解的时序数据增强的实现过程包括：对原始脑电数据的所有通道各自进行时间序列分解，得到多个分解项；然后通过这些分解项按权重重新组合，生成合成时间序列；具体是：对每个通道数据按照如下公式进行时间序列分解： ；其中表示第k个通道数据，表示的趋势项，表示的季节项，表示的随机项；N表示的采样点个数；将趋势项、季节项、随机项按权重进行重新组合，生成新的合成脑电数据； ; ;,,;其中分别表示趋势项、季节项、随机项对应的权重；步骤S2中基于时间序列预测的时序数据增强的实现过程包括：对原始脑电数据的所有通道各自构建时间序列统计模型；根据时间序列统计模型得到原始脑电数据的拟合值，进而构建拟合序列；将原始脑电数据与拟合序列进行融合，生成新的合成脑电数据；其中，所述时间序列统计模型采用求和自回归移动平均模型,其中是自回归项的阶数，是差分的次数，是移动平均项的阶数；具体是：通道数据进行差分运算，在阶差分后变为平稳非白噪声时间序列，然后对平稳非白噪声时间序列建立相应的自回归移动平均模型；根据的自相关与偏自相关图，进行模型定阶，确定；根据，得到拟合序列；将原始脑电数据与拟合序列进行融合，生成新的合成脑电数据; ;;;其中分别表示原始脑电数据与拟合序列对应的权重；步骤S3、时序特征提取：S3-1对原始脑电数据和数据增强后脑电数据的所有通道各自进行时间序列分割，得到多个时序块；将同一时间窗口内的所有通道时序块进行堆叠，得到新的多通道时序数据；S3-2将多通道时序数据输入至时序特征提取器，提取脑电数据的时序特征；步骤S4、时频图像特征提取:S4-1对原始脑电数据和数据增强后脑电数据进行时频分析，将时序数据转换成时频图像；S4-2将时频图像数据输入至时频特征提取器，提取脑电数据的时频图像特征；步骤S5、将时序特征和时频图像特征进行拼接，得到所需的多模态特征；最后将多模态特征输入到分类器，得到运动想象分类结果。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。