-
公开(公告)号：CN105677035A
公开(公告)日：2016-06-15
申请号：CN201610053682.1
申请日：2016-01-26
Applicant: 杭州电子科技大学
IPC: G06F3/01 , A61B5/0476
Abstract: 本发明涉及一种基于EEMD和小波阈值的运动想象脑电信号消噪方法。本发明首先，对原始信号进行EEMD分解，得到一系列IMF分量；其次，采用新的阈值函数和阈值选取方法改进传统的小波阈值法；然后，使用改进的小波阈值法对高频IMF分量进行处理；最后，将处理后的IMF分量和其他的IMF分量重构得到消噪后的运动想象EEG信号。本发明优点在于既保留了高频分量中的有效信息，同时又减少了小波阈值法对弱能量有效信号的压制，去除大量噪声的同时又保留了大部分的有用的细节信息，为下一步的运动想象脑电信号特征提取和模式识别奠定良好的基础。
-
公开(公告)号：CN105159443A
公开(公告)日：2015-12-16
申请号：CN201510478869.1
申请日：2015-08-06
Applicant: 杭州电子科技大学
IPC: G06F3/01 , A61B5/0476
Abstract: 本发明公开了一种基于PCA和Granger因果的脑网络特征提取方法；本发明先对多路通道信号进行大脑功能区域的划分；再利用PCA提取各个功能区域的最大主成分时间信息；最后计算最大主成分之间的因果度量，并作为特征参数。本发明从脑功能网络效应出发，以Granger因果理论为基础，揭示了脑区间的连接效应，更加综合全面地表征脑电信号所包含的丰富信息，有利于进一步的模式分类。
-
公开(公告)号：CN103699873A
公开(公告)日：2014-04-02
申请号：CN201310433056.1
申请日：2013-09-22
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于GA-BP神经网络下肢平地行走步态识别方法。本发明首先对采集到的下肢连续平地行走动作的四路表面肌电信号进行消噪滤波和时域特征值提取，得到其特征向量样本集。然后用GA对BP神经网络进行优化，得到BP神经网络误差最小的一组完整初始权值和阈值。最后将提取的特征值随机分成训练样本和测试样本两组，并用训练样本来训练GA优化之后的BP神经网络；用测试样本输入训练好的BP神经网络分类器，进行识别分类。采用本发明使得肌电信号的时域特征容易提取、特征明显、具有良好表达能力。
-
公开(公告)号：CN102722727B
公开(公告)日：2014-03-05
申请号：CN201210189995.1
申请日：2012-06-11
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于脑功能网络邻接矩阵分解的脑电特征提取方法。目前的运动想象脑电信号特征提取算法大多注重局部激活脑区的定性与定量分析，忽视了脑区之间的相互关系和整体协调性。本发明从脑功能网络角度出发，以基于图谱分析的复杂脑网络理论为基础，首先采用多通道运动想象脑电信号建立脑功能网络，然后对网络邻接矩阵进行奇异值分解，其次根据分解得到的奇异值定义一组特征参数来表示脑电信号的特征向量，最后将特征向量输入支持向量机分类器完成多类运动想象任务的分类识别。该方法在脑-机接口领域的运动想象任务识别中具有广阔的应用前景。
-
公开(公告)号：CN103054585A
公开(公告)日：2013-04-24
申请号：CN201310022821.0
申请日：2013-01-21
Applicant: 杭州电子科技大学
IPC: A61B5/11 , A61B5/0488
Abstract: 本发明提出了一种基于生物运动信息的上肢肩肘腕关节运动功能评价方法。本发明首先选择加速度信号和肌电信号作为上肢运动的生物运动信息。然后对加速度信号和肌电信号进行特征提取。在此基础上，从两方面对特征值进行筛选：针对不同类型的动作和针对执行动作能力的不同，根据信号特征的典型性和可区分性对特征进行筛选。最后利用两类信号的不同优势，将两类信号的特征值进行组合。以简式Fugl-Meyer评分值为标准，构建线性回归模型，进行多元信号特征的优化组合，以此作为上肢肩肘腕关节运动功能评价指标。本发明不仅可以进行在线的实时信息提取和评分检测，还能取代传统的上肢运动功能评价方法，更细致地对上肢运动功能进行量化评分。
-
Patent Agency Ranking
公开(公告)号：CN102961203A
公开(公告)日：2013-03-13
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：CN102722728A
公开(公告)日：2012-10-10
申请号：CN201210190008.X
申请日：2012-06-11
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于通道加权支持向量的运动想象脑电分类方法。本发明首先获取多通道运动想象脑电信号，其次在各通道脑电信号两两之间相关性分析基础上建立各通道的权重模型，然后将权重模型嵌入到通道加权支持向量机的原始优化问题中，对来自不同通道的输入数据赋予不同的权值，最后在两类分类算法基础上设计通道加权支持向量多类分类方法，自动地实现通道选择，提高多运动想象任务分类的准确性。该方法在脑-机接口领域具有广阔的应用前景。
-
公开(公告)号：CN114202801B
公开(公告)日：2025-01-14
申请号：CN202111398259.2
申请日：2021-11-19
Applicant: 杭州电子科技大学
IPC: G06V40/20 , G06V10/764 , G06V10/80 , G06V10/44 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084 , G06N3/048
Abstract: 本发明公开一种基于注意力引导空域图卷积简单循环单元的手势识别方法。本发明首先，将空域图卷积嵌入到简单循环单元(SRU)的门结构中，使具有高速并行计算能力的SRU能对复杂手势的时域与空域信息进行建模。其次，引入一种指关节注意力引导模块，使更重要的指关节具有更高的关注度。然后，引入一种注意力增强图丢弃的正则化方法，缓解了手势数据过拟合的弊端。本发明对精细动态手势，在具有较高的识别准确率的同时保持优良的识别计算效率，能够在人机交互、虚拟现实、手语翻译等领域具有广阔的应用前景。
-
公开(公告)号：CN114469641B
公开(公告)日：2024-11-22
申请号：CN202111665127.1
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于肌电识别的功能性电刺激脑卒中运动障碍镜像训练方法，具体为：受试者患侧固定于外骨骼机器人上，可通过外骨骼机器人带动患侧手臂完成相应动作。健侧手臂放置肌电采集装置。训练时，受试者想象双手同时做同一动作，且健侧手臂实际完成此动作。通过采集健侧的表面肌电信号，识别出相应手势动作，由外骨骼机器人带动患侧进行相应的手势动作。同时，对患侧相应动作的肌肉施加功能性电刺激。通过选取受试者进行实验，采集此方法训练前后的脑电数据，与传统镜像训练前后脑电数据，计算评估指标E进行对比分析，得出此方法的效果相比于传统方法效果更佳。
-
公开(公告)号：CN118643422A
公开(公告)日：2024-09-13
申请号：CN202410663026.8
申请日：2024-05-27
Applicant: 杭州电子科技大学
IPC: G06F18/2431 , A61B5/16 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/2415 , G06F18/15 , G06F18/213 , G06N3/045 , G06N3/0985 , G06N3/048
Abstract: 本发明公开了基于子域自适应脑电信号识别的多源域跨被试情绪分类方法，该方法首先采集脑电信号进行下采样、带通滤波，并计算脑电信号的微分熵特征。其次选取一个被试作为目标域，剩余被试作为源域，计算其与目标域之间的域间可迁移性，剔除不参与知识迁移的源域。然后将参与训练的所有源域样本的微分熵特征，经过串行的公共特征提取网络和双过滤网络，获取域分类特征。最后通过双分类器对每个样本的域分类特征计算其预测概率，得到分类结果，构建损失函数进行训练迭代更新参数。本发明实现类级别的细粒度特征分布对齐，提高了在跨被试应用背景下对脑电图的情绪识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
214
records
(took 0.04 seconds)
