-
公开(公告)号：CN111709314B
公开(公告)日：2023-08-22
申请号：CN202010461641.2
申请日：2020-05-27
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/24
Abstract: 本发明公开了一种基于面部表面肌电的情感分布识别方法；目前基于生理信号的人脸情感识别的研究主要集中在单一的基本情感上。因此，提出了基于面部表面肌电信号的标记分布学习来预测情感分布。本方法采集了降眉肌、颧大肌、额头和降口角肌的sEMG，从中提取6个特征，利用主成分分析选出对特征集进行降维。LDL的核心思想是学习到从PCA选择的特征到人脸情感分布的映射关系，这种映射关系能够反映一个面部表情是由不同强度的基本情感混合而成。将LDL的性能与多标记学习进行了比较，结果表明，本方法能更准确地预测面部情感分布。
-
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。
-
Patent Agency Ranking
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。
-
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。
-
公开(公告)号：CN109885159A
公开(公告)日：2019-06-14
申请号：CN201910038188.1
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正向动力学与希尔模型的状态空间肌电模型构建方法，首先采集关节在连续运动状态下相关肌肉的肌电信号，并对其进行带通滤波处理，然后由神经激活求出相关肌肉激活，并将其代入希尔肌肉模型，然后对希尔肌肉模型进行化简及参数替代，再将替代后的简化模型与关节正向动力学结合，得出离散时间状态下的预测模型，最后通过对采集到的相关肌电信号进行均方根和小波系数的特征提取，组成测量方程作为状态反馈，并通过拟合方程与关节运动拟合，得到最终的状态空间肌电模型。该模型与传统的角度估计方法相比，在预测精度和实时性等方面都有了明显的改进。
-
公开(公告)号：CN109645995A
公开(公告)日：2019-04-19
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：CN109498009A
公开(公告)日：2019-03-22
申请号：CN201811606406.9
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特征类可分性指标的人体日常行为肌电特征选择方法。首先，采集了人体下肢活动中四路表面肌电信号，然后计算了10种提取每路肌电信号的10个肌电特征形成肌电特征池，对静态动作、步态动作、静态转换动作的三大类分别计算10个肌电信号特征各自的特征类可分性指标，从肌电特征池中选择特征类可分性指标高于0.6的肌电特征组成静态动作肌电特征组，特征类可分性指标高于0.5的肌电特征组成步态动作肌电特征组，特征类可分性指标高于0.2的肌电特征组成静态转换动作肌电特征组。根据特征类可分性指标可以最大限度的利用各个特征，不会造成特征信息的浪费或冗余，大大降低了算法的复杂度，使分类效果更好。
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.03 seconds)
