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！

龙图腾网获悉北京工业大学申请的专利一种基于自注意力机制和并行卷积的运动想象脑电信号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：CN116304815B 。

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：202310212631.9，技术领域涉及：G06F18/24；该发明授权一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法是由王丹;周浩;陈佳明;许萌设计研发完成，并于2023-03-07向国家知识产权局提交的专利申请。

本一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法在说明书摘要公布了：一种基于多头自注意力机制和并行卷积的运动想象脑电信号分类方法，属于计算机软件领域。针对脑电信号信噪比低导致特征提取困难的问题，提出一种基于EEGNet改进的网络模型，简称EEG‑MATCNet。首先，使用并行卷积层对原始脑电信号进行初步的特征提取，不同尺度的卷积核能够提取不同步长的时间特征。同时通过多头自注意力机制计算各个电极之间脑电信号的注意力权重，使网络训练时更好得提取空间特征。此外，通过时间卷积网络提升了卷积核的感受野，让模型能够提取更高级的时间特征。经过实验证明，本发明提出的分类方法更能有效地提升对运动想象脑电信号的特征提取和分类性能。

本发明授权一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法在权利要求书中公布了：1.一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法，其特征在于，包括以下步骤： 步骤1，数据预处理：使用带通滤波器对运动想象脑电信号进行带通滤波处理，之后对滤波后的信号做指数移动均值标准化；将脑电信号数据集划分为训练集、验证集和测试集； 步骤2，构建EEG-MATCNet模型；使用并行卷积层代替EEGNet模型中的普通卷积层提取多尺度的时间特征，添加空间自注意力机制使网络更好得提取空间特征，添加时序卷积网络提取高级时间特征； 步骤3，将步骤1中的训练集和验证集输入到EEG-MATCNet进行训练； 步骤4，将步骤1中的测试集输入到步骤3中已训练好的模型中进行分类，对分类准确率进行评估; 步骤2具体为： EEG-MATCNet的具体结构主要概括为四部分：并行卷积层，自注意力层，时间卷积网络层，全连接层；此处使用Pytorch构建模型；下面对每一部分进行详细说明： 1并行卷积层 通过3个分支使用不同尺度的卷积核对输入的脑电信号进行初步的时间特征提取；经过多次实验得到最佳并行结构如下：分支1使用2个卷积核大小为1,16、步长为1的卷积核；分支2使用4个卷积核大小为1,32、步长为1的卷积核，分支3使用8个卷积核大小为1,64、步长为1的卷积核进行特征提取，3个分支的卷积核填充模式均设置为same；之后通过批归一化层防止网络训练中出现梯度消失，最后使用ELU激活函数帮助网络更快收敛； 2自注意力层 首先将经过初步时间特征提取的每个电极的脑电信号通过线性层转换得到查询向量Q，键向量K和值向量V三个向量，接着将每个电极的查询向量与所有电极的键向量通过缩放点积注意力计算点乘积，再通过键向量的维度dk进行归一化得到注意力权重大小；对序列中每一个查询向量都进行计算，就能得到一个和输入序列长度相等，维度和权重矩阵维度相同的向量；上述过程得到的输出向量的计算公式如下所示： ；在得到沿空间轴强化过后的特征向量后，通过将卷积核大小为C，1、步长为1的深度卷积来将C维的脑电特征压平成1维，其中C代表电极的个数，接着将得到的特征通过核大小为1,4、步长为1,4的平均池化层以减小采样率，为了防止模型出现过拟合，引入Dropout机制随机丢弃上一层网络中学习到的参数，丢弃的比例设置为0.5；之后将特征输入可分离卷积层，可分离卷积包括深度卷积和逐点卷积两个操作，深度卷积的卷积核大小设置为1,16，卷积步长为1，填充模式设置为same，逐点卷积的卷积核大小设置为1,1，卷积步长为1，填充模式为same；之后依次经过批归一化层，ELU激活函数层，平均池化层及随机丢弃参数层处理；平均池化层的大小和步长均为1,8，以减少参数量；随机丢弃的比例设置为0.5，用于防止过拟合； 3时间卷积网络层 为了扩大卷积核的感受野，引入了2层时间卷积模块，并通过使用残差连接的方式避免网训练可能导致的梯度消失问题；第1层时间卷积模块的因果膨胀卷积的卷积核大小设置为4，扩张因子设置为1，这使得网络输出的每一个点都包含了前四个点的特征信息；第2层时间卷积模块的因果膨胀卷积的卷积核大小设置为4，扩张因子设置为2，这进一步扩大了卷积核的感受野； 4全连接层 将得到的高级时间特征进行叠加，将其输入全连接层；同时在全连接层添加了最大范数约束进行正则化处理，最大范数值设为0.25，以防止过拟合现象；最后将其输入Softmax分类器进行分类，得到最终判断的运动想象任务类型。

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北京工业大学，其通讯地址为：100124 北京市朝阳区平乐园100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。