[发明专利]基于MEMD的深度学习模型构建方法及在运动想象中的应用有效
| 申请号： | 201810168241.5 | 申请日： | 2018-02-28 |
| 公开（公告）号： | CN108364062B | 公开（公告）日： | 2021-10-22 |
| 发明（设计）人： | 高忠科;王新民;杨宇轩;李彦里;王子博 | 申请（专利权）人： | 天津大学 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 天津市北洋有限责任专利代理事务所 12201 | 代理人： | 杜文茹 |
| 地址： | 300072*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
一种基于MEMD的深度学习模型构建方法：对从脑控设备测得的多通道脑电信号进行带通滤波，得到p维脑电信号，对p维脑电信号以2秒为单位进行信号分割，得到多个信号样本，对每个信号样本分别进行多元经验模态分解；针对每个信号样本所得到的本征模函数分量数n不相同，令n的最小值为c，保留前c个本征模函数；对于每个信号样本，将经由多元经验模态分解得到的c个本征模函数加上数据序列X(t)的趋势R |
||
| 搜索关键词： | 基于 memd 深度 学习 模型 构建 方法 运动 想象 中的 应用 | ||
【主权项】：
1.一种基于MEMD的深度学习模型构建方法，其特征在于，包括如下步骤：1)对从脑控设备测得的多通道脑电信号进行带通滤波，其中带通滤波范围是根据感知运动节律来选取对应的脑电波频段，最终得到p维脑电信号x(t)，对p维脑电信号x(t)以2秒为单位进行信号分割，得到多个信号样本，对每个信号样本分别进行多元经验模态分解；2)针对每个信号样本所得到的本征模函数分量数n不相同，令n的最小值为c，保留前c个本征模函数；对于每个信号样本，将经由多元经验模态分解得到的c个本征模函数加上数据序列X(t)的趋势Rn堆叠在一起，得到大小为q×p×(c+1)的三维数据样本，作为深度学习模型的输入；3)构建应用在运动想象中的深度学习模型。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于天津大学，未经天津大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810168241.5/，转载请声明来源钻瓜专利网。
