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！

龍圖騰網獲悉河海大學申請的專利基于動態聯合領域適應網絡的腦電自適應分類方法及應用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：CN120493029B 。

龍圖騰網通過國家知識產權局官網在2025-09-12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：202510978628.7，技術領域涉及：G06F18/241；該發明授權基于動態聯合領域適應網絡的腦電自適應分類方法及應用是由陳培垠;馮輝;薛云燦;蔣晟設計研發完成，并于2025-07-16向國家知識產權局提交的專利申請。

本基于動態聯合領域適應網絡的腦電自適應分類方法及應用在說明書摘要公布了：本發明涉及基于動態聯合領域適應網絡的腦電自適應分類方法及應用，該方法首先進行EEG信號采集及預處理后傳輸至上位機；上位機接收預處理后的EEG信號后，基于動態聯合領域適應網絡DJDAN模型進行信號的特征提取和分類，所述DJDAN模型包含特征提取器、分類器、全局域判別器和局部域判別器；上位機將分類器輸出的運動意圖標簽轉化為康復設備所需的控制信號；康復設備根據患者的訓練動作產生反饋信號并傳輸給上位機，上位機記錄并評估患者的訓練進展。本發明可以實現基于腦電信號的運動意圖識別，應用于腦卒中患者的智能康復訓練系統，提高康復效果和患者的運動能力。

本發明授權基于動態聯合領域適應網絡的腦電自適應分類方法及應用在權利要求書中公布了：1.一種基于動態聯合領域適應網絡的腦電自適應分類方法，其特征在于，該方法包括以下步驟： S1.EEG信號采集及預處理：采集腦電信號，即EEG信號，并對采集的原始EEG信號使用三階巴特沃斯帶通濾波器進行4-38Hz頻段濾波，隨后對濾波后的信號進行指數移動標準化處理后傳輸至上位機； S2.信號處理與特征提取：上位機接收步驟S1預處理后的EEG信號后，基于動態聯合領域適應網絡DJDAN模型進行信號的特征提取和分類，所述DJDAN模型包含特征提取器、分類器、全局域判別器和局部域判別器； S3.康復控制信號輸出：上位機將分類器輸出的運動意圖標簽轉化為康復設備所需的控制信號； S4.反饋與評估：康復設備根據患者的訓練動作產生反饋信號并傳輸給上位機，上位機記錄并評估患者的訓練進展； 步驟S2具體包括： S2.1.特征提取器：所述特征提取器使用卷積神經網絡ConvNet結構，采用時間卷積和空間卷積分別提取EEG信號的時域特征和空間特征；首先是時間卷積層，沿時間軸對EEG信號進行卷積，使用40個長度為25的卷積核，學習時間頻率信息；然后是空間卷積層，對時間卷積的輸出進行電極間的空間卷積，使用40個卷積核，核長度等于電極數量，學習電極間的空間依賴關系；最后是依次通過批量歸一化BN層、平方激活函數、平均池化層、對數激活函數及Dropout層，生成具有高辨別力的深度特征，記為，其中為模型一次處理的EEG信號單元，為輸出特征向量所在的空間，是這個特征向量的維度； S2.2.分類器：所述分類器接收由特征提取器生成的深度特征，通過全連接層與操作對信號進行分類，輸出患者的運動意圖標簽，其中為權重矩陣，為偏置項，表示歸一化指數函數，其作用是返回輸入向量中值最大元素的索引，表示激活函數，它能將一個實數向量轉換成一個概率分布向量，所述標簽對應不同的運動類別，分類器損失函數為交叉熵損失： ， 其中是任務的總類別數，是真實標簽的one-hot表示，是模型預測概率，表示以e為底的自然對數； S2.3.全局域判別器：所述全局域判別器用于通過對由特征提取器生成的深度特征進行二分類，判斷由特征提取器生成的深度特征是否來自源域或目標域，全局域判別器用于減少源域與目標域之間的全局分布差異，全局對抗損失定義為： ， 其中是來自源域的樣本，是來自目標域的樣本，表示在源域的數據分布上求得的期望，表示在目標域的數據分布上求得的期望，是特征提取器輸出的深度特征，是全局域判別器對輸入特征進行二分類的概率輸出，輸出值為之間，代表為源域的概率，表示以e為底的自然對數； S2.4.局部域判別器：所述局部域判別器用于減小源域與目標域在細粒度子域上的分布差異，局部域判別器借助分類器預測的患者的運動意圖標簽，利用條件對抗學習進一步對特征提取器生成的深度特征進行對齊，確保分類器學習到的特征在不同域之間的一致性，針對每個類別，引入類條件的局部判別器，利用預測標簽概率加權特征進行判別，局部域判別器損失為： ， 其中是局部域判別器在第類別上的二分類概率輸出，表示源域中樣本屬于類別的預測概率，表示目標域中樣本屬于類別的預測概率，是特征提取器輸出的深度特征，是分類器的類別預測概率與特征的乘積，作為條件特征輸入局部域判別器； S2.5.訓練與優化：DJDAN模型的訓練通過優化總損失函數實現，總損失函數定義為： ， 其中，為平衡分類損失和域判別損失的超參數，為動態對抗因子，用于動態調整全局域判別器損失和局部域判別器損失的相對重要性；引入動態對抗因動態調整全局與局部域判別器的權重，其計算公式為： ， 其中表示任務的總類別數，是所有類別下局部A距離的平均值；若趨近1，表明訓練更關注全局域差異；趨近0時，更多關注局部域的一致性。

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河海大學，其通訊地址為：210024 江蘇省南京市鼓樓區西康路1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”。