-
公开(公告)号：CN108593557B
公开(公告)日：2020-08-11
申请号：CN201810205703.6
申请日：2018-03-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于TE‑ANN‑AWF移动污染源遥测误差补偿方法，本发明利用TE传递熵对干扰与测量结果进行因果相关性分析，从而确定测量误差来源以及衡量多干扰间不平衡程度，并利用TE传递熵的方向性引出非显著因果关系的量化标准和判定方法。提出了虚拟观测方法来实现单元观测序列的多元解构，通过ANN误差预测模型实现单干扰通道虚拟观测序列的补偿，再采用多元自适应加权融合方法对补偿后的多元虚拟观测序列进行融合重构。针对融合算法中的权值收敛问题，模型中引入了指数遗忘的方法将TE良好的权值预估能力和AWF的权值自适应调整的优点相结合，改善了误差补偿过程的动态性能。
-
公开(公告)号：CN110781751A
公开(公告)日：2020-02-11
申请号：CN201910923329.8
申请日：2019-09-27
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于跨连型卷积神经网络的情感脑电信号分类方法，本发明首先利用V3的第一层卷积层提取脑电信号底层特征，并将其作为V1的输入，同时被第二层池化层下采样后输入给第三层卷积层提取中层特征。中层特征将作为V2的输入，并且被V3的第四层池化层下采样后输入给V3的第五层卷积层提取高层特征。接着，三层特征分别降维后一起输入到V3的第八层全连接层中融合，最后进入Softmax层进行分类。比较分类结果与实际标签，计算损失值，然后利用反向传播算法更新卷积核和连接权重。本发明可较高的脑电信号分类准确率，识别结果优于传统机器学习方法和传统CNN模型。
-
公开(公告)号：CN110738093A
公开(公告)日：2020-01-31
申请号：CN201910759157.5
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/0488
Abstract: 本发明公开了基于改进小世界回声状态网络肌电的分类方法，首先，利用小世界网络来改善ESN的储备池结构，再利用加边概率改进小世界网络，称该网络为改进小世界回声状态网络，这既提高了储备池的适应性，又提高了ESN的泛化能力和稳定性。然后，通过训练网络可以得到网络的输出权重，并以此为相应的特征。采集跌倒、走、坐、蹲、上楼、下楼这六种动作的肌电信号，利用ISWLESN提取相应的特征，再利用PCV降低特征维数。最后，利用散点图、类可分性指标和DBI来表征网络特征的性能。结果表明，ISWLESN有很好的聚类性能，用于支持向量机分类也有很高的精度。
-
公开(公告)号：CN110464517A
公开(公告)日：2019-11-19
申请号：CN201910759180.4
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于小波加权排列熵的肌电信号识别方法。首先，从人体上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，利用小波变换对动作信号段的表面肌电信号进行四层分解得到各频率段小波子带，并对各小波子带求取加权排列熵。然后对所求得的加权排列熵进行组合，选取最佳的小波子带特征组合作为组合特征集。最后将各小波子带的组合特征集作为特征向量输入到支持向量机分类器，实现肌电信号的手部多运动模式识别。实验结果表明，该方法用于手部多动作识别获得了较高的分类精度，具有更好的识别效果。该方法可以有效地应用于复杂日常手部运动的模式识别，有助于提高肌电假手的灵活性，使其更好地用于生活。
-
公开(公告)号：CN110226932A
公开(公告)日：2019-09-13
申请号：CN201811606326.3
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种人体日常行为动作的足底压力特征提取方法。本发明通过压力鞋垫采集第一跖骨、第二跖骨和脚跟区域各自的压力信号，计算压力比，总压力比，将各传感器的压力及总压力归一化，提取足底压力的第一特征子矢量和第二特征子矢量。根据在人体的各种运动模式下，足底压力传感器的当前值都与过去值相关，构建足底压力信号的AR模型，求得模型系数。通过实验对不同日常行为动作进行足底AR模型的AIC计算，综合AIC的值和维数，提出权衡可信度，使权衡的可信度最高所对应的阶数即为最合适阶数。把足底压力传感器的AR模型系数构建为第三特征矢量。本发明通过AIC准则和权衡可信度来确定足底压力AR模型的阶数，有很好的效果。
-
Patent Agency Ranking
公开(公告)号：CN110175510A
公开(公告)日：2019-08-27
申请号：CN201910285096.3
申请日：2019-04-10
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/62 , A61B5/0484
Abstract: 本发明提出了一种基于脑功能网络特征的多模式运动想象识别方法。本发明首先定义网络功能连通增率作为一种新的脑功能网络特征，然后依据神经生理学肢体运动与大脑皮层对应关系，构建以不同导联为中心的区域网络，计算各区域的网络功能连通增率组成多维特征向量，输入到支持向量机中，实现对多模式运动想象的识别。本发明可实时、准确识别出人体多种模式运动想象动作，识别结果可用于辅助康复训练的人机交互系统。
-
公开(公告)号：CN109800792A
公开(公告)日：2019-05-24
申请号：CN201811606346.0
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于模糊C均值和DBI的肌电信号特征选择方法，本发明首先采集人体做日常行为动作时4路肌电信号，然后提取原始信号的平均幅值，方差，威尔逊振幅，自回归系数，中位频率，平均功率频率，小波能量系数，小波包能量系数，模糊熵，排列熵共10个肌电特征形成肌电特征池，再用模糊C均值对这些特征进行划分，把n个向量分为c个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小。最后，计算划分后的DBI值，选择DBI最小的4个特征作为适合识别日常行为动作的特征。基于模糊C均值和DBI的肌电信号特征选择方法，可以选择有效的合理的肌电特征值。
-
公开(公告)号：CN109567798A
公开(公告)日：2019-04-05
申请号：CN201811603106.5
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/11 , A61B5/00
Abstract: 本发明公开了一种基于肌电小波相干性和支持向量机的日常行为识别方法，本发明通过肌电信号采集仪采集人体相关肌肉的肌电信号，获取两路肌电信号的样本数据，使用一种改进小波阈值降噪方法进行预处理。计算两路肌电信号的小波相干系数。将所求得的小波相干系数作为特征向量输入支持向量机进行分类识别，成功识别了不同的日常行为，具有较高的识别率。本发明将小波相干性的肌电特征与支持向量机结合的方法，对人体日常行为识别具有较高的识别率和可靠性。实验结果表明，本发明方法对上楼、下楼、站立、行走、跑步、跌倒的平均灵敏度达96.17，平均特异度达92.29，高于一般传统的方法。
-
公开(公告)号：CN109374532A
公开(公告)日：2019-02-22
申请号：CN201811541673.2
申请日：2018-12-17
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于传递熵和自适应融合估计移动源排放气体遥测误差补偿方法。本发明有机结合测量对象的先验知识和最优估计理论，能够从带噪观测序列中得到真实值的最优估计。首先，通过超限学习机方法建立多干扰下遥测误差预测模型。然后，提出了一种虚拟观测分解模型，并利用虚拟观测分解模型对观测序列进行多序列分解。之后，将实际测量过程转化为多传感器虚拟观测过程，并建立多传感器虚拟观测过程的数学模型。最后，引入传递熵和自适应卡尔曼滤波对多虚拟观测序列进行融合重构，从而得到测量序列的最优估计。本发明能够有效补偿外部环境干扰引起的测量误差，提高遥感检测技术的环境适用性和抗干扰能力。
-
公开(公告)号：CN109145729A
公开(公告)日：2019-01-04
申请号：CN201810769171.9
申请日：2018-07-13
Applicant: 杭州电子科技大学
IPC: G06K9/00
CPC classification number: G06K9/00516
Abstract: 本发明涉及一种基于改进小波阈值与EEMD的肌电信号去噪方法。首先，采用总体平均经验模式分解的方法将肌电信号分解为若干个本征模态函数，运用一种基于小波的提取方法从第一个分量中提取信号的有用部分，运用自相关函数法将剩余本征模态函数分为含噪声较高的高频分量和含噪低的低频分量，然后运用一种改进的小波阈值将高频分量进行去噪。最后将处理后的第一个分量、高频分量和低频分量重构，重构后的信号即为去噪信号。本发明结合了总体平均经验模态分解方法与具有去噪效果比传统阈值更好的改进阈值去噪方法，并且没有直接舍弃含噪很高的第一个分量，而是运用一种基于小波的提取方法将有用信号部分提取出来。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.032 seconds)
