-
公开(公告)号：CN105962950A
公开(公告)日：2016-09-28
申请号：CN201610532846.9
申请日：2016-07-07
Applicant: 哈尔滨工业大学
IPC: A61B5/1455 , A61B5/00
CPC classification number: A61B5/14553 , A61B5/0075 , A61B5/4064 , A61B5/7203 , A61B5/7221 , A61B5/7225 , A61B5/7235 , A61B5/7271
Abstract: 基于最小二乘支持向量机的近红外脑功能信号提取方法，本发明涉及近红外脑功能信号提取方法。本发明目的是为了解决近红外脑功能活动信号的检测精度低的问题。具体过称为：一：获得两个不同波长的近红外光在不同距离下的光密度变化量的时间信号；二：得到氧合血红蛋白浓度变化时间信号和还原血红蛋白浓度变化时间信号；三：获得脑功能活动信号；四：获得W(t)的W*(t)；五：得到脑功能活动信号E(t)：六：得到剔除误差干扰后的脑功能活动信号；七：构造拉格朗日函数得线性方程组；八：求解线性方程组得到拉格朗日乘子向量α和偏置量b的数值解，此时利用最小二乘支持向量机回归函数处理后的脑功能活动信号表示为E*(t)。本发明用于脑功能信号提取。
-
公开(公告)号：CN105597298A
公开(公告)日：2016-05-25
申请号：CN201610206465.1
申请日：2016-04-05
Applicant: 哈尔滨工业大学
IPC: A63B71/06 , A61B5/0488 , A61B5/11
CPC classification number: A63B71/06 , A61B5/0488 , A61B5/1121 , A61B5/1126 , A61B5/6813 , A61B5/7225 , A63B2220/30 , A63B2220/40 , A63B2220/836 , A63B2225/50 , A63B2230/08
Abstract: 基于肌电信号及肢体动作检测的健身效果评价系统，属于健身评价技术领域。本发明是为了解决根据主观意愿进行健身效果评价结果不准确的问题。它包括信号采集部和手机APP应用部，信号采集部包括电极、肌电传感器、控制器、采集信号无线传输模块和加速度传感器；手机APP应用部包括处理信号无线传输模块、处理器和用户模块；电极的正极端与负极端与被测对象导联，电极的右腿驱动电极放置于被测对象的受试部位；它通过肌肉电信号及肢体运动速度、加速度的检测与分析，来评价健身效果，健身效果的描述与肌肉疲劳程度及运动量相关，通过手机APP进行信息反馈与数据管理。本发明用于评价健身效果。
-
公开(公告)号：CN104809434A
公开(公告)日：2015-07-29
申请号：CN201510194149.2
申请日：2015-04-22
Applicant: 哈尔滨工业大学
CPC classification number: G06K9/00516 , G06K9/00523 , G06K9/6268
Abstract: 一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法，本发明涉及眼电伪迹去除的睡眠分期方法。传统方法缺乏参考眼电信号，去除方法较为困难、知识的抽取和表达比较困难，并且其收敛性有时无法保证，无法对知识直接进行学习以及不能充分挖掘脑电信号中蕴含的睡眠信息的问题，而提出的一种基于单通道脑电信号眼电伪迹去除的睡眠分期方法。该方法是通过1、得到M个小波系数；2、不包含眼电伪迹的P个小波系数，作为纯净的脑电信号；3、得到IMF分量的个数与残差之和；4、得到脑电分量以及眼电分量；5、重构纯净的脑电信号；6、得到X(n)；7、提取7个特征参数；8、得到睡眠状态分期指数等步骤实现的。本发明应用于睡眠分期领域。
-
公开(公告)号：CN103529398A
公开(公告)日：2014-01-22
申请号：CN201310515760.1
申请日：2013-10-28
Applicant: 哈尔滨工业大学
IPC: G01R31/36
Abstract: 基于扩展卡尔曼滤波的锂离子电池SOC在线估计方法，属于锂离子电池荷电状态预测技术领域。本发明为了解决现有锂离子电池SOC的在线估计由于受到初值选取的影响，可靠性低的问题。它首先建立被测锂离子电池一阶RC等效电路的电压电流关系式和二阶RC等效电路的电压电流关系式；再对被测锂离子电池进行充放电实验，建立被测锂离子电池的卡尔曼滤波初值SOC0的多项式拟合函数；再获得被测锂离子电池的卡尔曼滤波初值SOC0和卡尔曼滤波的初始误差协方差P(0)；然后进行基于扩展卡尔曼滤波的电池SOC估计，实现锂离子电池的SOC在线估计。本发明用于锂离子电池SOC在线估计。
-
公开(公告)号：CN102525422A
公开(公告)日：2012-07-04
申请号：CN201110442356.7
申请日：2011-12-26
Applicant: 哈尔滨工业大学
IPC: A61B5/00 , A61B5/1455
Abstract: 基于多距测量方法的经验模态分解优化算法的脑功能信号提取方法，涉及脑功能信号提取方法。它解决了当脑组织非均匀性严重时现有技术检测脑功能活动过程中氧合血红蛋白浓度变化Δ[HbO2]和还原血红蛋白浓度变化Δ[HHb]难以检测的问题。本发明通过检测器记录大脑安静状态下和诱发激励时漫反射光强，以获得两个不同波长λ1和λ2时的光密度变化量的时间序列：和和采用修正朗伯比尔定律获取r1测得的Δ[HbO2]N(k)和Δ[HHb]N(k)，r2测得的Δ[HbO2]F(k)Δ[HHb]F(k)；根据获得的所有参数推算出脑功能信号表达式；求解脑功能信号e(k)。本发明适用于医疗领域。
-
Patent Agency Ranking
公开(公告)号：CN119167130A
公开(公告)日：2024-12-20
申请号：CN202311347281.3
申请日：2023-10-18
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G06F18/23213 , G06F18/10 , G06F18/213
Abstract: 基于CEEMDAN‑CWT的MI‑EEG混合时频表征方法以及表征系统，涉及数据处理技术领域。解决现有时频分析方法存在的计算量大和计算复杂度高的问题。方法为：获取MI‑EEG数据集并预处理；改进CEEMDAN算法，采用改进后的CEEMDAN算法对预处理后的MI‑EEG数据集进行分解，获得一系列的IMFs；采用样本熵方法计算一系列的IMFs，获得所有本征函数样本熵；采用K‑means聚类方法优化所有本征函数样本熵，获得具有关键信息的IMFs；CWT处理具有关键信息的IMFs，获得一系列的时频二维数据；相加一系列的时频二维数据，获得MI‑EEG信号的时频表征。本发明适用于MI‑EEG数据的处理。
-
公开(公告)号：CN118987558A
公开(公告)日：2024-11-22
申请号：CN202411228080.6
申请日：2024-09-03
Applicant: 哈尔滨工业大学
IPC: A63B21/00 , A63B23/16 , A63B23/12 , A63B71/06 , A63B24/00 , A63B71/00 , A61H1/02 , A61B5/389 , A61B5/397 , A61B5/00
Abstract: 上肢全周期康复训练装置及方法，属于康复训练领域，本发明为解决现有上肢康复机器人训练效果不好，且安全性差的问题。本发明包括康复机械臂、肌电采集单元、摄像头、对侧康复手套、上位机和平台；康复机械臂包括机械臂、力传感器和康复训练手柄，机械臂末端通过力传感器连接康复训练手柄；机械臂在康复训练中通过康复训练手柄来辅助患者上肢运动；肌电采集单元，用于采集肌电信号进行运动意图识别；摄像头，用于采集患者健侧手部动作，镜像指导患侧手指训练；对侧康复手套包括机械手套和控制装置；机械手套由控制装置通过线索牵引带动手指进行康复训练；上位机，用于接收力传感器、肌电采集单元和摄像头信息，给机械臂和控制装置发送训练指令。
-
公开(公告)号：CN118476783A
公开(公告)日：2024-08-13
申请号：CN202410568540.3
申请日：2024-05-09
Applicant: 哈尔滨工业大学
IPC: A61B5/00 , A61B5/372 , G06F18/23213 , G06F18/213 , G06F18/2411
Abstract: 疼痛诱发脑电信号的提取方法，解决现有方法提取疼痛诱发信号准确率低的问题，属于脑电信号提取技术领域。本发明包括：对脑源进行定位，获得脑源信号矩阵S∈RD×T，获取脑源信号矩阵S∈RD×T中表征脑源偶极子信号活跃程度的特征矩阵BF；对特征矩阵BF进行聚类，得到与疼痛无关的脑源偶极子；将脑源信号矩阵S∈RD×T中与疼痛无关的脑源偶极子的信号设置为0，得到新的脑源信号矩阵S*，对新的脑源信号矩阵S*进行重映射，得到映射后的脑电信号矩阵X*；根据重映射后脑电信号的特征自动确定小波分解层级和用于保留小波系数的阈值，自适应保留关键疼痛小波系数，并重构信号获得与疼痛相关的脑电信号。
-
公开(公告)号：CN117631681A
公开(公告)日：2024-03-01
申请号：CN202311528687.1
申请日：2023-11-16
Applicant: 哈尔滨工业大学
IPC: G05D1/46 , G05D1/695 , G05D109/20
Abstract: 基于概率链的无人机侦察任务分配方法、设备和介质，属于无人机控制技术领域，解决无人机侦察任务分配过程中计算量过大以及算法性能低问题。本发明的方法包括：通过使用基于概率链的并行加速遗传算法(CPGA)，该技术能够有效地最小化冗余融合，提高启发式效率。它优先考虑飞行成本和任务平衡的整合，旨在最小化无人机群执行任务的总消耗。该技术还通过自适应交叉操作器和贝叶斯搜索优化，实现了全球优化寻求能力的显著改进和整体算法性能的提升。在硬件方面，该技术也进行了并行加速的优化，有效利用计算资源，提供实时性能。本发明适用于无人机侦察任务分配技术的优化，特别是在需要大规模无人机协同工作、执行复杂、多目标侦察任务的场景中。
-
公开(公告)号：CN116392145A
公开(公告)日：2023-07-07
申请号：CN202310379950.9
申请日：2023-04-11
Applicant: 哈尔滨工业大学
Abstract: 一种单通道脑电信号中眨眼伪影的去除方法，涉及一种脑电信号的处理方法，为了解决现有的脑电信号中眨眼伪影去除方法需要人工标记以及需要额外的电极来记录参考信号，导致伪迹去除不彻底，脑电损失信号较大的问题。本发明通过向低通滤波器中输入单通道脑电信号，提取眨眼伪影近似信号并识别眨眼伪影近似信号所在的区间；对多个区间脑电信号进行相似度计算，确定出多个区间脑电信号中典型眨眼伪影，构造对应的双正交滤波器组的具体形式；自动确定小波变换分解深度；基于滤波器组的具体形式以及离散小波变换分解深度去除单通道脑电信号中的眨眼伪影。有益效果为更有效地去除眨眼伪迹，同时更好地保留原有脑电信息。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.08 seconds)
