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！

龙图腾网获悉电子科技大学申请的专利一种基于数据转换的多分支运动想象脑电信号特征融合分类方法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：CN116250846B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310249522.4，技术领域涉及：A61B5/369；该发明授权一种基于数据转换的多分支运动想象脑电信号特征融合分类方法是由万金鹏;李宏亮;崔建华;王世森;何乃宇;周毓轩;孟凡满;吴庆波;许林峰;潘力立设计研发完成，并于2023-03-15向国家知识产权局提交的专利申请。

本一种基于数据转换的多分支运动想象脑电信号特征融合分类方法在说明书摘要公布了：本发明提供一种基于数据转换的多分支运动想象脑电信号特征融合分类方法，旨在扩充网络结构宽度即网络分支的基础上，将脑电波数据转换为不同的输入格式，使用多个分支网络进行处理，使用格拉姆角场作为新的转换后的数据格式输入网络，和深度分离卷积及时频图相比提供了更加丰富的特征，有利于提高特征提取的完整性，使得不同网络分支之间具有的显著特征不同，提取的特征相互互补。转换为不同的数据格式有利于训练网络学习不同类型的特征。同时使用了分类任务中大任务和小任务以及其他任务的约束，即使用网络不同的任务目标实现多种约束，有利于网络提取到通适性更高、更全面的特征，取得了更佳的运动想象脑电信号分类效果。

本发明授权一种基于数据转换的多分支运动想象脑电信号特征融合分类方法在权利要求书中公布了：1.一种基于数据转换的多分支运动想象脑电信号特征融合分类方法，其特征在于，包括以下步骤： 预处理步骤：将脑电波信号进行预处理得到多通道脑电时序信号，将多通道脑电时序信号三个分支网络中，同时进行第一、第二和第三分支处理步骤； 第一分支处理步骤：对各通道的脑电时序信号进行基于时序的深度可分离卷积生成第一分支特征谱，进入融合步骤； 第二分支处理步骤：对各通道的脑电时序信号进行小波变换获得时频图像，将时频图像进行叠加作为一个多通道的二维图像，将该二维图像送入基于VGG-13的卷积编码网络生成第二分支特征谱，进入融合步骤的同时，将第二分支特征谱输入与卷积编码网络对称的基于VGG-13反卷积的卷积解码网络生成对应的时频图像，再在卷积解码网络生成的时频图像与输入至卷积编码网络的时频图像之间求损失对运动想象脑电信号特征分类网络的第二分支处理的训练过程进行约束； 第三分支处理步骤：对各通道的脑电时序信号构建格拉姆角场，将获得的各个通道的格拉姆角场进行叠加作为一个多通道的二维图像，将该二维图像送入基于VGG-13的的卷积编码网络生成第三分支特征谱，进入融合步骤的同时，将第三分支特征谱输入与卷积编码网络对称的基于VGG-13反卷积的卷积解码网络生成对应的格拉姆角场，再在卷积解码网络生成的格拉姆角场与输入至卷积编码网络的格拉姆角场之间求损失对运动想象脑电信号特征分类网络的第三分支处理的训练过程进行约束； 融合步骤：分别将生成的第一分支特征谱、第二分支特征谱和第三分支特征谱送入到通道注意力模块中生成第一分支注意力热图、第二分支注意力热图、第三分支注意力热图，再将三个分支的注意力热图对应与各自分支的特征谱相乘，得到三个分支的新的特征谱，将三个分支的新特征谱进行连接处理后同时进入细分类步骤和大分类步骤； 细分类步骤：将连接处理后的特征谱送入用于细分类的两层全连接层以及Softmax层之后，Softmax层输出细分的动作类，并求细分类损失对运动想象脑电信号特征分类网络的细分类训练过程进行约束； 大分类步骤：将连接处理后的特征谱送入用于大分类的两层全连接层以及Softmax层之后，Softmax层输出左手动作类或者右手动作类中两个类分类结果，并求大分类损失对运动想象脑电信号特征分类网络的大分类训练过程进行约束； 测试步骤：将训练结束得到的运动想象脑电信号特征分类网络用于运动想象脑电信号分类。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；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”。

以上内容由龙图腾AI智能生成。