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！

龙图腾网恭喜中国人民解放军陆军军医大学第二附属医院申请的专利一种基于卷积神经网络的脑电信号识别方法及装置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：CN115795281B 。

龙图腾网通过国家知识产权局官网在2025-02-18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：202211553246.2，技术领域涉及：G06F18/10；该发明授权一种基于卷积神经网络的脑电信号识别方法及装置是由杨辉;张春青;沈开凤;石先俊;孙晓琴设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本一种基于卷积神经网络的脑电信号识别方法及装置在说明书摘要公布了：本申请提供一种基于卷积神经网络的脑电信号识别方法及装置，通过对脑电信号进行预处理和数据标准化处理得到输入信号，将输入信号输入至意识运动分类识别模型中，得到分类识别后的意识运动识别结果。意识运动分类识别模型设计和构建，可以考虑输入信号中多个信号通道的信号分量，识别得到反映信号分量分类的意识运动通道分量，以及，利用各个信号分量的通道数据合并为整体的一维数据，识别得到意识运动整体分量，再结合意识运动通道分量和意识运动整体分量实现对脑电信号的意识运动分类识别。这样能够考虑各个信号分量的特征和多通道整体协同的特征，提升识别的准确性；而多通道识别可同步进行，在保证识别准确率的同时，可以兼顾识别效率。

本发明授权一种基于卷积神经网络的脑电信号识别方法及装置在权利要求书中公布了：1.一种基于卷积神经网络的脑电信号识别方法，其特征在于，包括：获取用户的脑电信号；对所述脑电信号进行预处理和数据标准化处理，得到输入信号；将所述输入信号输入至预设的意识运动分类识别模型中，得到所述意识运动分类识别模型对所述输入信号进行分类识别后的意识运动识别结果；所述意识运动分类识别模型包含输入层、n个卷积通道、全连接层、整体输出层和模型输出层，每个卷积通道依次设有卷积层Coni1、池化层Pooli1、卷积层Coni2、池化层Pooli2、卷积层Coni3、池化层Pooli3、通道连接层FCi和通道输出层Outi，i＝1,2，...，n，所述意识运动分类识别模型对所述输入信号进行分类识别的过程包括：所述输入层，用于接收输入信号，其中，所述输入信号包含m个信号通道的信号分量，且m个信号通道中的任一信号通道在n个卷积通道中具有唯一对应的卷积通道，m≤n；n个卷积通道，分别与所述输入层连接，每个卷积通道用于接收所述输入层传入本卷积通道的信号分量，并利用本卷积通道的各个卷积层和池化层对本卷积通道的信号分量进行卷积处理和池化处理，利用本卷积通道的通道连接层进行展平，得到本卷积通道的信号分量对应的通道数据，再通过通道输出层对通道数据进行分类识别，得到意识运动通道分量，其中，所述输入层基于信号通道与卷积通道之间的对应关系将相应的信号分量传入对应的卷积通道；全连接层，分别与n个卷积通道的通道连接层连接，用于接收每个卷积通道输出的通道数据，并拼接得到一维数据；整体输出层，用于接收一维数据，并利用Softmax分类函数对一维数据进行分类判断，得到意识运动整体分量；模型输出层，分别与每个卷积通道的通道输出层连接，以及，与整体输出层连接，用于基于每个意识运动通道分量和意识运动整体分量，确定出意识运动识别结果；对所述脑电信号进行预处理和数据标准化处理，得到输入信号，包括：对所述脑电信号进行滤波处理，并对滤波后的脑电信号进行坏导修正；采用ICA算法对坏导修正后的脑电信号进行伪迹干扰剔除；对剔除伪迹干扰后的脑电信号进行数据标准化处理，得到所述输入信号；对剔除伪迹干扰后的脑电信号进行数据标准化处理，得到所述输入信号，包括：利用滑窗对剔除伪迹干扰后的脑电信号进行截取处理，滑窗尺寸为τ，步长为s，得到若干组相邻时间间隔为s的信号片段；对每个信号片段进行相关性分析，得到每个信号片段对应的输入信号，以得到脑电信号对应的若干输入信号；每个信号片段包含m′个信号分量，m′≥m，对每个信号片段进行相关性分析，得到每个信号片段对应的输入信号，包括：针对每个信号片段：计算本信号片段内每两个信号分量之间的相关性指数；基于本信号片段内每个信号分量与其他信号分量之间的相关性指数，确定出此信号分量的独立性指数；基于本信号片段内每个信号分量的独立性指数，确定出本信号片段内独立性指数最高的m个信号分量，作为本信号片段对应的包含m个信号分量的输入信号。

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中国人民解放军陆军军医大学第二附属医院，其通讯地址为：400038 重庆市沙坪坝区新桥正街新桥医院；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”。