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！

龙图腾网恭喜长春理工大学申请的专利一种基于VMD与MSCNN的跨频段神经肌肉耦合分析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：CN119669686B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202411733500.6，技术领域涉及：G06F18/20；该发明授权一种基于VMD与MSCNN的跨频段神经肌肉耦合分析方法是由陈晓娟;王明洋;宫玉琳;胡命嘉设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于VMD与MSCNN的跨频段神经肌肉耦合分析方法在说明书摘要公布了：本发明提出了一种基于VMD与MSCNN的跨频段神经肌肉耦合分析方法，涉及生物信号处理技术领域，该方法首先通过VMD对EEG和sEMG信号进行频段分解，利用MSCNN提取每个频段的时频特征；随后，利用核化广义偏定向相干性gPDC对不同频段的神经‑肌肉信号进行耦合分析，深入探索跨频段间的复杂交互机制。此方法不仅能够捕捉同频段内的因果关系和耦合强度，还能够揭示跨频段的非线性耦合关系，克服了传统信号处理方法在分析跨频段交互机制时的局限性，以及同频段耦合分析所面临的不足。此外，该方法充分利用了深度学习模型在提取复杂耦合关系中的优势，从而为神经康复评估和神经调节机制的研究提供更加全面、精确的分析视角。

本发明授权一种基于VMD与MSCNN的跨频段神经肌肉耦合分析方法在权利要求书中公布了：1.一种基于VMD与MSCNN的跨频段神经肌肉耦合分析方法，其特征在于，包括以下步骤：步骤1：获取同步采集的EEG和sEMG信号；步骤2：对同步采集到的EEG和sEMG信号进行预处理，应用VMD进行信号分解，将EEG信号xt和sEMG信号yt分解为多个模态，使每个模态在一个特定的频段内具有带限特性，并且模态之间的频率相互分离；步骤3：设计MSCNN特征提取框架，从变分模态分解后的EEG和sEMG信号中提取时频特征，MSCNN特征提取框架包括至少三组卷积层，第一组卷积层采用三个并联的卷积核进行多尺度特征提取，第二组卷积层由一个卷积层组成，第三组卷积层包括多个串联的卷积层；将多尺度计算所提取的小尺度、中尺度以及大尺度特征进行特征融合；步骤4：构建跨模态多变量自回归模型，将EEG和sEMG的特征向量联合构成整体输入信号矩阵，并估计MVAR模型的系数矩阵Ak；步骤5：计算偏定向相干性，并引入高斯核将偏定向相干性扩展为gPDC，用于分析EEG和sEMG模态间的非线性耦合关系；步骤6：根据gPDC值在不同频率上的变化，识别EEG和sEMG不同模态特征之间的耦合关系。

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长春理工大学，其通讯地址为：130012 吉林省长春市卫星路7089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”。