-
公开(公告)号：CN101732110A
公开(公告)日：2010-06-16
申请号：CN200910154611.0
申请日：2009-11-19
Applicant: 杭州电子科技大学
IPC: A61F2/72
Abstract: 本发明涉及用于手部动作识别的脑电和肌电信号混沌特征融合方法。现有的方法识别率不高。本发明方法从混沌动力学系统角度提取脑电与肌电对应相应手部动作时混沌特征的两个参数：最大Lyapunov指数和关联维数，融合归一化后输入SVM分类器实现对手部动作的识别，具体包括三个步骤：(1)提取消噪后脑电和肌电信号混沌特征的最大Lyapunov指数和关联维数；(2)脑电和肌电信号特征参数融合和归一化处理；(3)采用支持向量机方法，得到手部动作分类识别的结果。本发明方法从混沌动力学系统角度对脑电和肌电信号进行了分析，提取了描述了对应手部动作混沌特征的特征参数，实现了对手部动作的识别，提高了识别率，为实际的应用提供了途径。
-
公开(公告)号：CN101497196A
公开(公告)日：2009-08-05
申请号：CN200910096414.8
申请日：2009-03-02
Applicant: 杭州电子科技大学
IPC: B25J7/00
Abstract: 本发明涉及平动匀速夹紧机械手爪。现有技术外形尺寸大、控制复杂度高。本发明包括步进电机、固定套筒、十字连杆和四个手指。十字连杆设置在固定套筒内，四个端部伸出导向槽设置，步进电机通过丝杆螺母运动副与十字连杆连接。四个手指分别与十字连杆的四个端部连接。手指包括指尖、限位连杆、移动连杆、斜撑架。移动连杆中的第二移动杆具有延伸部分，延伸部分为弧形，开有弧形滑槽，斜撑架上的固定销与弧形滑槽位置配合，弧形延伸部分利用弧形滑槽沿固定销移动。本发明采用单电机驱动，手爪的四个手指沿中心轴对称，当驱动电机匀速转动时，手爪指尖的夹紧或张开速度是均匀平动，有利于指尖与目标物体的接触与手爪对目标物体的整体抓握。
-
公开(公告)号：CN116211318A
公开(公告)日：2023-06-06
申请号：CN202310116330.6
申请日：2023-02-14
Applicant: 杭州电子科技大学
Abstract: 本发明涉及基于脑电信号跨节律多层耦合脑网络的运动想象识别方法，采集正常人多种类运动想象任务的多导联脑电EEG。根据所采集信号进行数据预处理：将节点共平均参考后，使用FIR滤波器带通滤波，得到运动想象较活跃且具有ERS/ERD现象的μ节律与β节律，然后使用独立成分分析法，去除眼电肌电等噪声干扰。在此基础上建立多层复用功能脑网络，以导联信号作为节点，锁相值作为连接，建立邻接矩阵，提取反映运动想象活动特点的脑功能网络特征。提取μ节律和β节律单层网络中的3种全局网络特征与网络间2种层间特征参数，将其归一化后生成运动想象识别的多层网络特征，利用支持向量机等机器学习方法，使用该多层网络特征对运动想象进行识别任务。
-
公开(公告)号：CN110969108B
公开(公告)日：2023-04-07
申请号：CN201911168627.7
申请日：2019-11-25
Applicant: 杭州电子科技大学
IPC: G06F18/15 , A61B5/372 , A61B5/369 , A61B5/11 , G06F18/2431 , G06F18/213
Abstract: 本发明是一种基于自主运动想象脑电的肢体动作识别方法，调查数据表明，当人做同一个动作时，大脑会产生类似的脑电信号，因此可以提取这些特征信号来实现机械臂的运动，进而辅助残疾人运动。本发明通过建立脑网络进行动作的分类，这种方法加强了大脑各个区域之间相关性的考虑，展现了EEG信号及其相关节律特征背后的工作机制。之后通过一种全新的基于非线性部分定向相干方法的脑因效性网络分析法，利用随机森林进行进行上肢运动分类，分类准确度高，根据脑电信号判断相应的动作，从而使得机械臂运动，达到残疾人辅助运动的目的。
-
公开(公告)号：CN113397571A
公开(公告)日：2021-09-17
申请号：CN202110805279.0
申请日：2021-07-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于先验模板的肌电运动单元分解方法。本发明首先，利用几个带有可变表达式的先验模板来拟合运动单元动作电位的波形；接着提出了一种迭代匹配策略，实现了运动单元的逐层剥离；随后引入尖峰触发平均算法来重新确定运动单元动作电位波形，使其更符合真实的肌电运动单元。最后，建立基于真实信号分解结果的评估指标，用于评价分解算法的性能。本发明能在低噪声水平下检测和识别有效的运动单元，具有较为良好的性能。
-
Patent Agency Ranking
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：CN109800651B
公开(公告)日：2020-10-27
申请号：CN201811577681.2
申请日：2018-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于双规则主动超限学习机的多类脑电分类方法。本发明方法采用主动学习核心思想，首先依据超限学习机分类器评价无标签样本的不确定性，其次根据余弦相似规则剔除了相似性高的无标签样本，得到最有价值的少量无标签样本进行标注，然后利用这些筛选出的数据对超限学习机进行训练，最大化利用有标签脑电信号内部信息，从而减少对有标签脑电数据的依赖，并获得较高的运动想象任务多分类的准确性。该方法在脑‑机接口领域具有广阔的应用前景。
-
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：CN106067178B
公开(公告)日：2018-11-23
申请号：CN201610367322.9
申请日：2016-05-30
Applicant: 杭州电子科技大学
IPC: G06T7/20
Abstract: 本发明提出一种基于肌肉协同激活模型的手部关节运动连续估计方法。本发明首先根据肌电信号量化肌肉协同理论模型，利用非负矩阵分解算法对肌电信号进行解耦，提取独立动作的协同元；其次根据非负最小二乘算法计算相应协同元激活系数。最后，通过支持向量回归构建了映射激活系数到关节角度的激活模型，利用建立的激活模型从采集的表面肌电信号得到关节运动的连续估计。对四个关节独立和组合运动的估计实验表明，该模型能获得较高的估计精度。
-
公开(公告)号：CN107180435A
公开(公告)日：2017-09-19
申请号：CN201710322399.9
申请日：2017-05-09
Applicant: 杭州电子科技大学
IPC: G06T7/292
Abstract: 本发明提出了一种适用于深度图像的人体目标跟踪方法。本发明首先利用人体目标深度值，基于阈值判断设计一种目标模板更新方法。其次，通过计算Kalman滤波器的预测位置与当前跟踪框的质心位置距离，判断跟踪是否受障碍物干扰而使跟踪框跳变，设计一种障碍物屏蔽方法，消除障碍物区域对跟踪的干扰。然后通过人体目标检测的方法实现再跟踪。最后基于阈值判断，设计屏蔽障碍物解除的机制，使深度相机改变视角后，解除视角改变前的障碍物区域屏蔽。本发明使得深度图像中人体目标的跟踪成功率有明显的提高。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.036 seconds)
