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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江工業(yè)大學(xué)申請的專利一種基于CCA系數(shù)閾值的SSVEP異步識別方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115097945B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-13發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210927326.3，技術(shù)領(lǐng)域涉及：G06F3/01；該發(fā)明授權(quán)一種基于CCA系數(shù)閾值的SSVEP異步識別方法是由王志恒;段旭賢;耿本松;葉興鋒;沈家和;蔡世波;楊慶華設(shè)計研發(fā)完成，并于2022-08-03向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種基于CCA系數(shù)閾值的SSVEP異步識別方法在說明書摘要公布了：一種基于CCA系數(shù)閾值的SSVEP異步識別方法，首先在枕區(qū)對腦電信號進行采集，在離線訓(xùn)練階段，訓(xùn)練CCA?PSD混合系數(shù)決策算法，算出信號計算的最佳長度與最佳的腦電數(shù)據(jù)采集通道組合；在線分類階段，采用動態(tài)劃窗方法，用訓(xùn)練好的CCA?PSD混合系數(shù)決策算法實時處理腦電信號，計算結(jié)果系數(shù)，然后將相鄰的5個窗口進行投票，得到最終的異步控制結(jié)果。本發(fā)明的分類精度高，有效降低了凝視狀態(tài)與空閑狀態(tài)的錯誤率，具有優(yōu)越的異步分類性能。

本發(fā)明授權(quán)一種基于CCA系數(shù)閾值的SSVEP異步識別方法在權(quán)利要求書中公布了：1.一種基于CCA系數(shù)閾值的SSVEP異步識別方法，其特征在于，所述方法包括以下步驟：步驟一、離線訓(xùn)練階段，過程如下：在不同頻率目標塊刺激下，分別開展控制任務(wù)和空閑任務(wù)的離線試驗，采集大腦枕區(qū)信號，得到空閑狀態(tài)與凝視狀態(tài)兩個離線數(shù)據(jù)集；將所述兩個離線數(shù)據(jù)集分別在基頻及不同諧波頻率處對不同長度的數(shù)據(jù)進行功率譜密度的計算，得到空閑狀態(tài)與凝視狀態(tài)劃分的功率譜密度分析閾值；將所述兩個離線數(shù)據(jù)集分別對不同長度的數(shù)據(jù)進行CCA系數(shù)閾值的計算，得到空閑狀態(tài)與凝視狀態(tài)劃分的CCA系數(shù)閾值；對上述兩個離線數(shù)據(jù)集進行計算分析，得到最佳的信號劃分窗口長度與最佳處理頻率，與最佳的通道區(qū)域CCA系數(shù)閾值與功率譜密度的權(quán)值系數(shù)；步驟二、在線分類階段，過程如下：實時采集大腦最佳通道區(qū)域腦電信號，將窗口數(shù)據(jù)進行濾波，再進行功率譜密度與CCA系數(shù)閾值計算，得到分類結(jié)果；若結(jié)果為凝視狀態(tài)記為+1；空閑狀態(tài)記為-1；每5個窗口進行一次判斷，將5次分類結(jié)果相加，若大于0則為凝視狀態(tài)，小于0為空閑狀態(tài)；所述步驟一的過程如下：1.1采集大腦枕區(qū)信號，包括以下步驟：在Oz、O1、PO3、P1、POz、Pz、P2、PO4、O2共9個位置放置測量電極，界面上顯示6個不同頻率閃爍的刺激源，分別為8Hz、9Hz、10Hz、11Hz、12Hz；1.2數(shù)據(jù)預(yù)處理，對腦電信號做帶通濾波與陷波，將數(shù)據(jù)劃分為凝視狀態(tài)數(shù)據(jù)與空閑狀態(tài)數(shù)據(jù)，將被試者雙眼凝視刺激目標記為凝視狀態(tài)，視線遠離刺激目標記為空閑狀態(tài)；1.3對數(shù)據(jù)進行劃窗，每個實驗數(shù)據(jù)的長度為5s，將數(shù)據(jù)按照0.5s-4s的長度進行劃分，步長為0.1s，將長度為5s的數(shù)據(jù)劃窗；1.4對數(shù)據(jù)進行處理計算，具體步驟如下：A、用CCA算法將1.3中數(shù)據(jù)進行處理，得到的特征矩陣與刺激信號數(shù)目相對應(yīng)，N維刺激向量表示為：F＝[R1,R2,R3,R4,R5,R6]，CCA系數(shù)計算方式為： Per：CCA系數(shù)；Rmax：F特征矩陣中最大特征值；Rmax：F特征矩陣中第二特征值；B、將1.3中數(shù)據(jù)分別在基頻及不同諧波頻率8-13Hz、8-26Hz、8-39Hz、8-52Hz、16-26Hz、16-39Hz、16-52Hz、24-39Hz、24-52Hz、32-52Hz下進行功率譜的計算；1.5將1.4中計算結(jié)果帶入計算，找到產(chǎn)生最佳結(jié)果的腦電采集通道、窗口大小、最佳的功率譜選取頻段與閾值PowThre、CCA系數(shù)閾值PThre、以及權(quán)值系數(shù)W＝[w1，w2]；所述步驟二的過程如下：2.1在線情況下采集最佳通道組合的腦電數(shù)據(jù)，被試者自行選擇凝視目標塊的時間與時長；2.2將2.1中信號進行帶通濾波與陷波；2.3根據(jù)離線訓(xùn)練得到最佳窗口大小，將數(shù)據(jù)進行劃窗，步長為0.1s，數(shù)據(jù)記為Data＝[D1,D2,D3,D4,D5]；2.4對2.3中數(shù)據(jù)進行CCA系數(shù)與功率譜計算，并與相應(yīng)的閾值進行比較，比較后結(jié)果矩陣利用權(quán)值系數(shù)進行降維，得到最后的結(jié)果系數(shù)Rall＝[R1,R2,R3,R4,R5]： R：結(jié)果系數(shù)；Comb：CCA-PSD混合系數(shù)；Comb＝[w1,w2]·[PRESULT，PowRESULT]PRESULT：CCA系數(shù)閾值的結(jié)果系數(shù)，PowRESULT：功率譜閾值的結(jié)果系數(shù)，Pow為最佳頻段下的功率譜計算結(jié)果；2.5將2.4中結(jié)果系數(shù)的值進行累加，若結(jié)果大于0，則認為該段信號處于控制狀態(tài)，輸出Rmax＝maxF作為分類檢測的結(jié)果；若結(jié)果小于1，則認為仍處于空閑狀態(tài)，前進一個窗口，繼續(xù)對信號進行識別投票。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人浙江工業(yè)大學(xué)，其通訊地址為：310014 浙江省杭州市拱墅區(qū)潮王路18號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。