-
公开(公告)号：CN109558911A
公开(公告)日：2019-04-02
申请号：CN201811606327.8
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明提出一种基于遗传算法广义典型相关分析的肌电信号特征融合方法。获取人体做日常行为动作时四路肌电信号的平均幅值，威尔逊振幅，模糊熵，小波能量系数，由4路肌电信号各4各特征组成16维特征向量。提取16维标准样本特征向量X、训练样本特征向量Y。分别计算X,Y的类内离散度矩阵和类间离散矩阵，最后求得使广义典型相关判别准则最大的广义正则投影向量。对GCPV择优选取，得到新的GCPV将原特征投影到新空间，成为结合遗传算法的GCCA(GA-GCCA)；将原特征通过新得到的GCPV投影到新平面上，获得最终融合的肌电信号特征向量S。本发明有效地减小了维数，并在改善单调性的同时动态地选择了最佳特征向量。
-
公开(公告)号：CN109645995B
公开(公告)日：2021-09-07
申请号：CN201910038177.3
申请日：2019-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及到一种基于肌电模型和无迹卡尔曼滤波的关节运动估计方法，首先采集膝关节在连续运动状态下股二头肌、股四头肌、股外侧肌、股内侧肌、半腱肌、股薄肌的肌电信号和实时角度，对其进行带通滤波处理，并提取小波系数和均方根特征，然后使用一种结合了肌肉动力学、关节动力学、骨骼动力学和相关肌电特征的状态空间肌电模型，通过无迹卡尔曼滤波算法，得出Sigma采样集χi和权重Wi，然后进行进一步的预测，计算出系统状态变量和协方差矩阵P(k+1|k)，迭代循环后，实现对膝关节连续运动的估计。该方法与传统的角度估计方法相比，减小了系统误差、累积误差和外部干扰的影响，精度高，稳定性好，对目标机动反应快速，有了明显的改进。
-
公开(公告)号：CN110269613A
公开(公告)日：2019-09-24
申请号：CN201910285667.3
申请日：2019-04-10
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/11
Abstract: 本发明涉及一种多模态信号静态平衡能力评估方法。首先，采集人体两通道下肢表面肌电信号、两通道压力中心信号、两通道角速度和两通道角度信号组成多模态信号，然后采用基于多元经验模态分解的多元多尺度熵特征提取方法对多模态信号进行特征提取，将求得的特征向量输入支持向量机进行静态平衡能力评估。这种方法不仅能够定量分析信号的复杂度，而且能够全面的考虑到多元信号对人体静态平衡能力的影响。实验结果表明，该方法获得了较高的人体静态平衡能力评估识别率，识别结果优于其它方法。
-
公开(公告)号：CN110151176A
公开(公告)日：2019-08-23
申请号：CN201910285635.3
申请日：2019-04-10
Applicant: 杭州电子科技大学
IPC: A61B5/0488
Abstract: 本发明涉及到一种基于肌电信号的上肢肘关节连续运动估计方法。首先采集人体下肢肘关节在慢速、快速运动模式下肱二头肌、肱三头肌、肱桡肌、肱肌的肌电信号和实时角度，对其进行去噪后利用小波变换将其分解为32尺度，再利用小波系数计算小波相干系数，再将不同肌肉组合的32级小波相干系数作为特征向量输入到最小二乘支持向量机中，最终使用最小二乘支持向量机分类器，利用小波相干系数特征，高精度的估计了上肢肘关节的连续运动。通过表面肌电信号进行连续运动变量的预测，以实现对康复医疗机器人的平滑柔顺控制，具有十分重大的研究意义。
-
公开(公告)号：CN109589114A
公开(公告)日：2019-04-09
申请号：CN201811603088.0
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/00
Abstract: 本发明涉及一种基于CEEMD和区间阈值的肌电消噪方法。首先用互补集合经验模态分解对表面肌电信号进行分解得到固有模态函数分量。然后通过分量相关分析选择合适的固有模态函数分量，对每个被选择的固有模态函数分量进行改进区间阈值处理。最后，信号由处理后的固有模态函数分量和未被改进区间阈值处理的固有模态函数分量进行信号重构，得到去噪后的信号。本发明在信号处理方面具有自适应性，适合于非线性、非平稳表面肌电信号的分析，能够减少由于模态混叠带来的不利影响，并且尽可能多的保留了信号中有用的信息，减少了噪声带来的影响，其结果不仅提高了信噪比，同时提高了识别率，使得表面肌电信号的应用更加广泛。
-
Patent Agency Ranking
公开(公告)号：CN110151175A
公开(公告)日：2019-08-23
申请号：CN201910285085.5
申请日：2019-04-10
Applicant: 杭州电子科技大学
IPC: A61B5/0488
Abstract: 本发明涉及一种基于CEEMD与改进小波阈值的表面肌电信号消噪方法。首先用互补集合经验模态分解对表面肌电信号进行分解得到固有模态函数分量。然后通过分量相关分析选择合适的固有模态函数分量，对每个被选择的固有模态函数分量进行改进小波阈值处理。最后，信号由被改进小波阈值处理后的固有模态函数分量和未被改进小波阈值处理的固有模态函数分量进行信号重构，得到去噪后的信号。本发明在信号处理方面具有自适应性，适合于非线性、非平稳表面肌电信号的分析，能够减少由于模态混叠带来的不利影响，并且尽可能多的保留了信号中有用的信息，减少了噪声带来的影响，实验证明，本发明提出的肌电信号去噪方法比其他去噪方法具有更好的效果。
-
公开(公告)号：CN109948640A
公开(公告)日：2019-06-28
申请号：CN201811603034.4
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: G06K9/62 , A61B5/0488
Abstract: 本发明公开了一种基于双参数核优化型极限学习机的肌电识别方法，本发明首先提取了4路肌电信号并提取了相应的平均幅值，方差，威尔逊振幅，小波能量系数，然后把这些特征进行融合，最后把融合后的特征输送到双参数优化型极限学习机。双参数优化型极限学习机在极限学习机的基础上，引入了高斯核函数，通过对输出权重矩阵的最小化来设置优化各个参数，构建神经网络结构，并将极限学习机最小化输出误差的问题转变为最小化输出权重的问题。该方法具有比传统极限学习机更为强大的函数逼近能力，同时处理非线性分类的能力也更强，相比于其他常见分类器算法也有更高的准确率和更少的运算时间。
-
公开(公告)号：CN109657651A
公开(公告)日：2019-04-19
申请号：CN201910038173.5
申请日：2019-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及到一种基于肌电信号的下肢膝关节连续运动估计方法。首先采集人体下肢膝关节在慢速、中速、快速运动模式下股二头肌，股四头肌，股外侧肌，股内侧肌，半腱肌，股薄肌的肌电信号和实时角度，然后提取信号的小波系数、均方根与排序熵等特征作为输入，再将三种特征结合成一种新的特征作为输入，并对特征数据进行归一化处理，并通过不同方法的比较，最终使用最小二乘支持向量机回归模型进行预测。实验结果表明，不同的特征在不同运动模式下具有不同的相对预测性能，结合三种特征的预测结果明显优于单独采用其中任何一种，且通过最小二乘支持向量机模型的预测非常准确，最终得到了一种较为理想的预测模型。
-
公开(公告)号：CN109498370A
公开(公告)日：2019-03-22
申请号：CN201811603026.X
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61H1/02 , A61B5/0488 , A61B5/00
CPC classification number: A61H1/0237 , A61B5/04012 , A61B5/0488 , A61B5/7203 , A61B5/7235 , A61B5/7253 , A61H2201/165 , A61H2205/10 , A61H2230/085
Abstract: 本发明涉及一种基于肌电小波关联维的下肢关节角度预测方法。首先，从人体下肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段。对动作信号段的表面肌电信号进行小波降噪得到有效表面肌电信号。然后将有效表面肌电信号进行小波多尺度分解,提取每一层的低频系数,再对每一层低频系数计算关联维。结合低频系数和关联维数计算有效肌电信号的小波关联维系数特征,将这一特征作为预测网络的输入。先将提取到的肌电信号分为训练集与测试集,按上述方法提取特征。训练集训练好网络之后,使用测试集验证预测准确率。实验结果表明，该方法获得了较高的人体下肢运动膝关节角度预测率，预测结果优于其它预测方法。
-
公开(公告)号：CN109498370B
公开(公告)日：2021-02-19
申请号：CN201811603026.X
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于肌电小波关联维的下肢关节角度预测方法。首先，从人体下肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段。对动作信号段的表面肌电信号进行小波降噪得到有效表面肌电信号。然后将有效表面肌电信号进行小波多尺度分解,提取每一层的低频系数,再对每一层低频系数计算关联维。结合低频系数和关联维数计算有效肌电信号的小波关联维系数特征,将这一特征作为预测网络的输入。先将提取到的肌电信号分为训练集与测试集,按上述方法提取特征。训练集训练好网络之后,使用测试集验证预测准确率。实验结果表明，该方法获得了较高的人体下肢运动膝关节角度预测率，预测结果优于其它预测方法。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.017 seconds)
