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！

龙图腾网获悉南昌大学;赣东学院申请的专利一种基于深度神经网络的脑电情绪识别方法及系统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：CN120899268B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202510963555.4，技术领域涉及：A61B5/369；该发明授权一种基于深度神经网络的脑电情绪识别方法及系统是由刘伯成;党乾芸;田羽佳;戴伟铭;陶彦旭;徐君誉设计研发完成，并于2025-07-14向国家知识产权局提交的专利申请。

本一种基于深度神经网络的脑电情绪识别方法及系统在说明书摘要公布了：本发明涉及脑电信号处理技术领域，公开基于深度神经网络的脑电情绪识别方法及系统。方法包括：采集多通道EEG信号并预处理；构建图数据结构，以脑电通道为节点，提取多域特征，构建自适应动态邻接矩阵；构建图卷积长短期记忆网络，GNN学空间特征、LSTM提时间依赖性；用多尺度时频特征融合方法，结合STFT和CWT增强情绪捕捉；结合脑网络特征构建FCN提脑区全局拓扑信息；借分类模型输出警觉度等情绪指标。发明结合图结构学习与时序建模，优化EEG信号情绪识别，提升个性化适应与情感识别准确性。

本发明授权一种基于深度神经网络的脑电情绪识别方法及系统在权利要求书中公布了：1.一种基于深度神经网络的脑电情绪识别方法，其特征在于，所述方法包括： 将全部脑电通道作为节点，构建自适应动态邻接矩阵；以时间序列的脑电信号、脑电信号的统计特征和或脑电信号的频域特征作为节点特征； 将所述节点、自适应动态邻接矩阵和节点特征构建为图特征； 构建GNN-LSTM-MSTF模型，所述GNN-LSTM-MSTF模型包括图卷积网络、长短期记忆网络和多尺度时频特征融合网络，所述GNN-LSTM-MSTF模型响应于输入的图特征，采用图卷积网络提取图特征的空间特征，结合长短期记忆网络提取时间特征，并结合多尺度时频特征融合增强对瞬时情绪变化的建模，得到整个序列的时间编码表示和时频融合特征； 采用功能连接网络，提取脑区间的拓扑结构信息作为脑网络特征；所述脑网络特征为从图特征中提取的全局拓扑特征； 将脑网络特征与GNN-LSTM-MSTF模型的输出拼接，形成最终特征向量； 基于所述最终特征向量，采用多层感知机分类模型，输出情绪识别结果，所述情绪识别结果为警觉度、唤醒度、受支配程度、喜欢度中的一种及其组合； 所述GNN-LSTM-MSTF模型响应于输入的图特征，采用图卷积网络提取图特征的空间特征，结合长短期记忆网络提取时间特征，并结合多尺度时频特征融合增强对瞬时情绪变化的建模，得到整个序列的时间编码表示和时频融合特征的方式包括： 采用图卷积操作对构建的图特征进行嵌入学习，捕捉不同EEG通道间的空间依赖关系，设图特征为，其中，表示节点特征矩阵，为实数集，N为通道数，V为节点集合，为边集合，F为特征维度，邻接矩阵为，图卷积计算如式1所示： 其中，是第层输入的节点特征矩阵，维度是，是第层输出的节点表示矩阵，是第层的可学习权重矩阵，为添加自环后的邻接矩阵，是的度矩阵，初始为节点特征，为第层可学习权重，为激活函数； 将图卷积输出的每个节点嵌入向量作为时序输入，捕捉EEG信号在不同时间窗之间的动态依赖；对于时间输入序列，LSTM的递推形式为 其中，表示整个序列的时间编码表示；表示输入门在时间步的激活值，表示输入门的输入权重矩阵，表示当前时间步的隐藏状态，表示上一时刻的隐藏状态，表示输入门的偏置项，表示遗忘门的输入权重矩阵，表示遗忘门的隐藏状态权重矩阵，表示遗忘门的偏置项，表示遗忘门在时间步的激活值，表示输出门在时间步的激活值，表示输出门的隐藏状态权重矩阵，表示输出门的偏置项，表示当前时间步的单元状态，表示前一时间步的单元状态，表示候选矩阵的输入权重矩阵，表示候选状态的隐藏状态权重矩阵，表示候选状态的偏置项； 使用STFT获取时频图谱，通过滑动窗口捕捉定频域信息： 其中，表示在时刻、频率上的STFT变换结果，表示原始时间信号在时间点的取值，表示窗函数，中心位于，表示自然对数的底，表示虚数单位，表示频率变量，表示积分变量，表示整个时间轴上的点，表示当前分析的时间位置； 使用连续小波变换提取短时动态特征： 式中，表示小波变换的结果，表示在尺度和时间下的信号局部特征，表示尺度参数，表示时间位置，表示输入信号在时间的取值； 将和经卷积编码后，与融合，得到时频融合特征。

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南昌大学;赣东学院，其通讯地址为：330047 江西省南昌市青山湖区南京东路235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。