買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉北京理工大學申請的專利基于非線性交叉頻率調制網絡的腦電識別方法與系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118948277B 。

龍圖騰網通過國家知識產權局官網在2025-09-09發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410992403.2，技術領域涉及：A61B5/16；該發明授權基于非線性交叉頻率調制網絡的腦電識別方法與系統是由葉建宏;李瑋峰;史文彬設計研發完成，并于2024-07-23向國家知識產權局提交的專利申請。

本基于非線性交叉頻率調制網絡的腦電識別方法與系統在說明書摘要公布了：本發明公開了基于非線性交叉頻率調制網絡的腦電識別方法與系統，涉及腦電信號處理技術領域，實現了非線性劃分目標頻帶并能自適應提取交叉頻率耦合特征，其技術方案具體為：預處理模塊，用于接收采集的原始腦電信號并進行預處理。頻帶分解與特征表示模塊，用于對預處理后的腦電信號基于eMEMD進行頻帶劃分，非線性地提取目標頻帶的信號分量。交叉頻率耦合層，用于捕獲不同頻帶間的耦合信息，輸出交叉頻率耦合特征。CNN1D?ALSTM模型，結合一維卷積神經網絡的時序特征提取能力以及Bi?LSTM的長序列學習能力，捕獲交叉頻率耦合特征中的時序特征。空間解碼模塊，用于對時序特征進行空間解碼獲得時空特征。情緒分類模塊用于將時空特征投射到待分類的情緒空間中。

本發明授權基于非線性交叉頻率調制網絡的腦電識別方法與系統在權利要求書中公布了：1.基于非線性交叉頻率調制網絡的腦電識別系統，其特征在于，包括預處理模塊、頻帶分解與特征表示模塊、交叉頻率耦合層、CNN1D-ALSTM模型、空間解碼模塊以及情緒分類模塊： 所述預處理模塊，用于接收采集的原始腦電信號并進行預處理； 所述頻帶分解與特征表示模塊，用于對預處理后的腦電信號基于eMEMD進行頻帶劃分，非線性地提取目標頻帶的信號分量； 所述交叉頻率耦合層，用于捕獲不同頻帶間的耦合信息，輸出交叉頻率耦合特征； 所述CNN1D-ALSTM模型，結合一維卷積神經網絡的時序特征提取能力以及Bi-LSTM的長序列學習能力，捕獲所述交叉頻率耦合特征中的時序特征； 所述空間解碼模塊，用于對所述時序特征進行空間解碼獲得時空特征； 所述情緒分類模塊用于將所述時空特征投射到待分類的情緒空間中； 所述頻帶分解與特征表示模塊，具體采用如下方式： S1.剩余信號設定為，初始化等于輸入信號；C代表了腦電信號通道數，T代表了腦電信號采樣點個數，為C×T維的實數集； S2.生成一個掩模頻率序列，其中，是采樣頻率；為掩模頻率序列中的第q個頻率值，q初始化為1； （1） S3.根據步進策略設計掩模信號集，其中為自定常數，為第k個掩模信號： （2） 其中*為標準差，為第k個掩模相位； S4.第k相位的第一階本征模函數；；代表取第k相位的第一階本征模函數的操作，當時，令自增1，返回S3；否則，計算第q階本征模函數，； S5.若，計算新的剩余信號為原剩余信號減去，自增1，重復返回S3；否則，停止循環； 由此獲取四個經驗頻帶下的窄帶信號，，，； S6.在單次試驗下，通過長度為的非重疊Hanning窗口對每個經驗頻帶下的窄帶信號進行分割，窄帶信號，，，維度變成；將，，，形狀重塑成，再完成Conv1D卷積，得到的，，，，Tf表示卷積后的特征數，；kd表示卷積核大小，sd表示步長； 四個經驗頻帶下的窄帶信號，，，對應的時間序列分別為，，，； 所述交叉頻率耦合層，用于捕獲不同頻帶間的耦合信息，輸出交叉頻率耦合特征表示為 （4） 其中代表哈德曼積，tanh·代表tanh激活函數，σ·代表σ激活函數，由σ激活函數激活時間序列和，由tanh函數規則化時間序列和； 所述CNN1D-ALSTM模型包括Conv1D層、MaxPool層、BatchNorm層、第一BiLSTM層、第二BiLSTM層以及自注意力機制層； 其中卷積層-Conv1D層、最大池化層-MaxPool層、批標準層-BatchNorm層組成第一階段；所述Conv1D層借助卷積核充當自動特征提取器；之后，借助長度為的MaxPool層下采樣；并且BatchNorm層用于特征正則化； 第一BiLSTM層和第二BiLSTM層組成第二階段；自注意機制用于為每個循環編碼切片分配重要性，并聚合這些信息以形成最終表示，獲得所述交叉頻率耦合特征中的時序特征。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人北京理工大學，其通訊地址為：100081 北京市海淀區中關村南大街5號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。