龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：东北电力大学
摘要：本发明公开了一种单关节不同运动想象脑电信号在线识别方法，属于脑电信号自动识别领域，主要包括以下步骤：基于经验小波变换对各个导联的脑电信号进行模态分解，并通过计算每个模态的模糊熵值筛选有用的模态分量，进而重构脑电信号矩阵；采用AR模型算法提取脑电信号的时域特征，采用共空间模式算法提取脑电信号的空间特征，在此基础上构造时‑空域联合特征；采用局部线性嵌入算法对时‑空联合特征进行降维融合，构造脑电信号时‑空融合特征；搭建核极限学习机模型，并采用时‑空融合特征训练其参数，采用哈里斯鹰优化算法优化其超参数，进而构造最优分类模型。本发明的方法，特征提取能力强、分类性能高。
主权项：1.一种单关节不同运动想象脑电信号在线识别方法，其特征在于，包括：S1，使用脑电采集设备采集不同试者不同动作的多导联运动想象脑电信号；S2，利用巴特沃斯滤波器和共平均参考对采集的脑电信号进行预处理，并采用无参自适应经验小波变换将预处理后的各导联脑电信号分解为一系列模态分量，通过计算各模态的模糊熵值并选取各导联中熵值最大的模态分量重构脑电信号矩阵；S3，采用AR模型算法，提取重构脑电信号矩阵的时域特征，采用共空间模式算法提取重构脑电信号矩阵的空域特征；S4，将时域特征与频域特征进行拼接，并采用局部线性嵌入算法对其进行融合，得到最终的特征；S5，构建混合核极限学习机模型，将步骤S4中提取的特征向量按照6:2:2的比例划分为训练集、验证集和测试集，通过训练集对核极限学习机的参数进行训练，通过验证集结合哈里斯鹰优化算法对核极限学习机的参数进行优化，得到最优的核极限学习机分类模型，通过测试集对最优的核极限学习机进行实际使用验证；S6，使用测试集验证的性能良好的核极限学习机对实时采集的脑电数据进行分类识别。
全文数据：
权利要求：
百度查询： 东北电力大学 一种单关节不同运动想象脑电信号在线识别方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号