-
公开(公告)号：CN109497999A
公开(公告)日：2019-03-22
申请号：CN201811564214.6
申请日：2018-12-20
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00
Abstract: 本发明公开了一种基于Copula-GC的脑肌电信号时频耦合分析方法，针对皮层肌肉相干性分析时不能确定耦合方向，以及格兰杰因果方法受限于检测线性因果关系的局限性，将Copula-GC引入的皮层肌肉耦合分析领域。首先同步采集不同力度握力动作时多通道脑电信号和相关肌肉组上的表面肌电信号并进行预处理，其次在时域上计算脑肌电信号间的Copula-GC值，然后在频域上采用基于子带分解和Copula-GC的方法对脑肌电信号进行耦合强度统计，从而在时频域上定量描述脑肌电信号在局部频带和信息传递上的非线性同步耦合特性，为研究运动控制及患者康复评价提供一种定量的分析手段。
-
公开(公告)号：CN109192007A
公开(公告)日：2019-01-11
申请号：CN201811107389.4
申请日：2018-09-21
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于肌电运动感知的AR手语识别方法及教学方法。首先，将四路表面肌电信号采集、三轴加速度传感器和三轴角加速度传感器集成设计成肌电臂环，双手佩戴肌电臂环，采集手臂动作时的表面肌电信号和运动信息并通过蓝牙实时传输到PAD平板电脑，PAD运行软件，对表面肌电信号进行模糊熵特征提取，然后将特征值和运动信息输入到支持向量机进行手语动作识别。进行AR教学时，软件可以记录手语动作步骤，并与标准动作做比较，如发现识别动作或动作步骤和标准库不一致，软件会给出提示和纠正，提升了教学的时效性和互动效果。
-
公开(公告)号：CN109171738A
公开(公告)日：2019-01-11
申请号：CN201810768671.0
申请日：2018-07-13
Applicant: 杭州电子科技大学
IPC: A61B5/11
Abstract: 本发明公开了一种基于人体加速度多特征融合和KNN的跌倒检测方法。本发明通过两个加速度传感器采集人体动作信息，提取的人体加速度的特征参数，通过主成分分析的数据压缩方法将特征集从162维降到12维。通过改进的KNN机器学习算法，即通过聚类方法在跌倒和非跌倒两类中各搜索到样本点，构成训练样本簇，根据样本模糊熵计算加权欧氏距离找出最临近的K个近邻点，将待分类动作归为这K个近邻中的多数所属的类别。本发明针对日常生活频度最高的动作作为实验，所提的基于人体加速度多特征融合和KNN的跌倒检测算法，灵敏度达到100％，可以快速有效的检测跌倒，同时也有很高的特异度，不会把日常行为动作误判为跌倒。
-
公开(公告)号：CN109009091A
公开(公告)日：2018-12-18
申请号：CN201810462011.X
申请日：2018-05-15
Applicant: 杭州电子科技大学
IPC: A61B5/0476
CPC classification number: A61B5/0476 , A61B5/7203
Abstract: 本发明提出了一种基于EEMD与DSS‑ApEn的脑电信号消噪方法。利用EEMD分解算法将含噪脑电信号分解为若干个内蕴模态函数IMF(Intrinsic Mode Functions)分量，滤除最高频分量后的IMF分量应用DSS分离出各独立源信号，再选择频谱近似熵最大的独立源信号作为去噪信号。本发明提出的消噪方法消噪后的脑电信号波形相对清晰，更重要的是原始信号的细节特征也被很好地保留下来。
-
公开(公告)号：CN107618018A
公开(公告)日：2018-01-23
申请号：CN201711019198.8
申请日：2017-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于肌电的机械手动作速度比例控制方法；首先，通过肌电采集仪采集尺侧腕伸肌和桡侧腕屈肌的表面肌电信号，通过能量阈值法确定动作的起始位置和终止位置作为动作肌电信号，提取信号的平滑窗平均功率；用小波分析法对原始表面肌电信号进行多尺度分解，提取信号多尺度模糊熵特征，并和平均功率组成特征向量输入扩展的K最近邻模型分类器，识别手部动作，同时通过正交多项式拟合操作者与机械手动作速度，最终控制机械手以相应的速度完成相应的动作。本发明提高了人机交互的自然性和主动性，从而提高了操作的准确性和便捷性，降低了机械手操作的危险等级，使机械手可以完成相对复杂、危险的任务。
-
Patent Agency Ranking
公开(公告)号：CN103020598B
公开(公告)日：2015-08-19
申请号：CN201210530431.X
申请日：2012-12-11
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种用于对人完成特定动作时的姿态变异进行识别的方法。本发明利用家庭健身设备所包含的平衡板、惯性传感器等部件，追踪获取人完成特定动作时其肢体运动的三维加速度和其重心位置变化数据，并存入个体化数据库作为信息源，利用基于突变理论及统计分析方法构建的算法，对所提取的姿态特征是否出现变点进行判别，进而对人在完成特定动作时姿态的变异进行识别。本发明具有便捷、安全的特点，且能有效降低个体差异对识别结果的影响。
-
公开(公告)号：CN102961203B
公开(公告)日：2015-04-22
申请号：CN201210527013.5
申请日：2012-12-10
Applicant: 杭州电子科技大学
IPC: A61F2/72 , A61B5/0488
Abstract: 本发明提出了一种基于EMD样本熵的表面肌电信号识别方法。本发明首先从相关肌肉组上采集相应的表面肌电信号sEMG，然后运用能量阈值确定sEMG的动作信号进行经验模态分解，依据频率有效度的方法自适应的选取若干个包含肌电信号有效信息的内蕴模式函数分量进行迭加作为有效肌电信号，求取样本熵，最后将样本熵作为特征向量输入基于主轴核聚类算法的聚类分类器，实现肌电信号的上肢多运动模式识别。本发明中样本熵能够从较短的时间序列中揭示动作表面肌电信号的复杂性，很好的表现肌电信号的细微变化情况，抗干扰能力强，算法简单，计算速度较快，特别适合肌电信号的实时处理。
-
公开(公告)号：CN103735262A
公开(公告)日：2014-04-23
申请号：CN201310433905.3
申请日：2013-09-22
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种双树复小波与共空间模式相结合的特征提取方法。本发明首先选取适当通道的脑电信号，然后根据双树复小波频率分段的特点，对原有频率进行上采样或者下采样，然后利用双树复小波多尺度分解，从而得到、、和四种节律波的频率范围对应的频段，并在该尺度下进行信号重构，得到相应频段下的多个重构信号，然后对各个适当通道进行相同的分解与重构，再将各个通道的各频段的重构信号联合起来输入到空间滤波器中，得到6维的特征向量，最后利用支持向量机来完成运动想象任务分类。本发明提出的方法不仅对运动想象脑电信号进行频率信息分析，还能有效的克服电极选取不足问题。
-
公开(公告)号：CN103617411A
公开(公告)日：2014-03-05
申请号：CN201310488878.X
申请日：2013-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于复杂度和分维数及分形长度的肌电信号识别方法，来实现遥操作机器人系统中主操作者对远端机械手的同步控制。模式识别特征采用了肌电信号的L-Z复杂度指标和分维数指标，分类器则采用了一种改进的以聚类方法作为数据整理手段的KNN模型法，该算法具有增量学习能力。操作者手的动作速度取决于手臂肌肉群的活动强度，肌肉活动强度可由肌电信号的最大分形长度表征。在一定的范围内，肌电信号的最大分形长度与操作者手的动作速度呈单调递增关系。以肌电信号的最大分形长度为输入控制量，实现了机械手抓取速度的控制，取得了较理想的效果。
-
公开(公告)号：CN102697495B
公开(公告)日：2013-09-18
申请号：CN201210161480.0
申请日：2012-05-23
Applicant: 杭州电子科技大学
IPC: A61B5/0488
Abstract: 本发明涉及一种基于总体平均经验模式分解的二代小波肌电信号消噪方法。本发明采用基于总体平均经验模式分解的二代小波消噪方法，获取人体的肌电信号样本数据，对原始的肌电信号加入白噪声后进行经验模态分解，然后对高频的内蕴模式函数分量进行二代小波分解及阈值处理，小波重构高频分量。最后把经过处理的高频分量与低频分量进行叠加，重构后的信号即为去噪信号。本发明将信号自适应地分解到不同的尺度上，适合非线性、非平稳信号的处理，不仅具有小波分析的全部优点，还有更清晰准确的谱结构，并能改善信号的极值点分布，具有抗混分解能力，既尽可能地保存了有用信号，又有效地消除了噪声，并且能够大幅提高信号信噪比。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.044 seconds)
