-
公开(公告)号：CN101332136A
公开(公告)日：2008-12-31
申请号：CN200810063305.1
申请日：2008-08-01
Applicant: 杭州电子科技大学
IPC: A61F2/72
Abstract: 本发明涉及脑电肌电联合控制的电动假手以及控制方法。目前三自由度肌电假手的模式处理正确率不够。本发明的电动假手包括多个肌电拾电传感器和脑电拾电传感器。肌电拾电传感器和脑电拾电传感器中的二次处理电路输出端与A/D转换电路的输入端连接。三个电机分别与对应的驱动电路连接，微处理器分别与A/D转换电路的输出端、驱动电路的输入端信号连接。肌电拾电传感器和脑电拾电传感器分别采集来自人体残臂各点的表面肌电信号和来自人体头顶和耳部的脑电信号，经过放大、滤波、A/D转换处理后输入微处理器中；微处理器对处理后的表面肌电信号和脑电信号进一步处理，实现对三自由度电动假手的控制。本发明通过脑电和肌电信号融合、经模式识别后实现控制，识别的正确率高、动作控制可靠。
-
公开(公告)号：CN101074895A
公开(公告)日：2007-11-21
申请号：CN200710069421.X
申请日：2007-06-19
Applicant: 杭州电子科技大学
IPC: G01L1/14
Abstract: 本发明涉及一种用于接触压力分布测量的传感器。阵列传感器需解决单体传感器的问题，以及集成小型化、相互干扰等问题。本发明的传感器金属外壳内由上至下依次设置有橡胶封装层、压电敏感层、电极转接板和电荷读出集成电路。橡胶封装层为带有呈阵列排列突点的橡胶片。压电敏感层包括PVDF片，PVDF片的一面为整片电极，另一面为阵列电极。阵列电极与突点位置一一对应。电荷读出集成电路为带有电荷注入电极的CCD集成电路。本发明利用压电原理与集成电路相结合的方法，不仅使阵列压电传感器的动态性能和抗干扰能力得到明显的改善，稳定性也得到大大加强，同时具有表面柔顺、体积小、集成度高的特点。
-
公开(公告)号：CN116687426A
公开(公告)日：2023-09-05
申请号：CN202310668935.6
申请日：2023-06-07
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于序数模式的多尺度皮层‑肌肉耦合网络分析方法。本发明首先使用多元变分模态分解方法对脑肌电信号进行同时频尺度的分解，再对多分量信号使用多元二分时序分区转移网络方法计算耦合强度和耦合邻接矩阵，构建皮层‑肌肉耦合网络，使用复杂网络参数分析该耦合网络的特征。该方法在表现皮层‑肌肉之间信息传递的特征在不同握力模式之间变化方面具有优势，也展现出脑肌电信号之间的因果链接的分层特性，证实了方法在解构人体上肢运动时皮质和肌肉之间的内在联系和神经控制肌肉运动的机制方面的潜力。
-
公开(公告)号：CN116602690A
公开(公告)日：2023-08-18
申请号：CN202310668913.X
申请日：2023-06-07
Applicant: 杭州电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , G06F18/2137 , G06F18/214 , G06F18/2415
Abstract: 本发明提出一种多形态表征的多源域脑电信号分析方法。本发明首先利用多流形映射去提取多源域与目标域的公共不变表示，同时考虑了脑电信号的低维结构与多元统计特征，在此阶段计算CORAL损失以指导模型得到优质的公共不变表示。其次将多源域分解，进行一对一的特征提取，此时采用MMD损失来引导模型得到优质的私有不变表示。最后采用softmax分类器进行分类。在公开的MI1,MI2数据集,和团队采集的脑电信号数据集上评估了方法的有效性。实验结果表明，本发明在多受试者的场景下的性能优越。
-
公开(公告)号：CN113157096B
公开(公告)日：2023-04-18
申请号：CN202110453320.2
申请日：2021-04-26
Applicant: 杭州电子科技大学
IPC: G06F3/01 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明提出一种基于深度子域关联适应网络的脑电情感迁移方法。首先根据样本标签将源域和目标域划分为子领域，通过深度神经网络同时提取源域和目标域特征后，使用多核高斯函数将特征样本映射至再生核希尔伯特空间得到不同域样本之间的距离度量，之后根据标签和度量值计算源域和目标域中同类子域样本之间的关联循环损失，最后通过反向传播算法最小化源域分类损失与关联循环损失的和，达到域适应的效果。本发明为后续深度迁移学习算法的改进提供了新思路。
-
Patent Agency Ranking
公开(公告)号：CN111616701B
公开(公告)日：2023-04-07
申请号：CN202010332794.7
申请日：2020-04-24
Applicant: 杭州电子科技大学
IPC: A61B5/372
Abstract: 本发明公开了一种基于多元变分模态分解的脑电多域特征提取方法，本发明首先利用MVMD对原始脑电多通道数据进行自适应分解，然后从分解得到的固有模态函数(IMF)分量提取信号的时域特征以及非线性动力学特征，同时将IMF分量合并构造新的信号矩阵，并采用共空间模式(CSP)法对重构信号提取空间特征，进行时域、非线性动力学以及空域特征的结合，最后通过支持向量机(SVM)对此特征集分类。本发明能有效判别与特定任务相关的重要信息成分，为脑电信号的特征提取提供了新的思路。
-
公开(公告)号：CN115545023A
公开(公告)日：2022-12-30
申请号：CN202211225982.5
申请日：2022-10-09
Applicant: 杭州电子科技大学
IPC: G06F40/284 , G06F40/242 , G06N3/04
Abstract: 本发明提供了一种面向医疗会诊场景对话分析的多信息融合词向量生成方法，包含以下步骤：1、对原始数据预处理建立原始语料库；2、利用新词典对原始语料库进行分词处理，得到单词词性序列、字符词性序列；3、对于单词词性序列和字符词性序列使用one‑hot编码为50维的词性向量进行编码得到单词词性向量序列和字符词性向量序列；4、引入一位置加权向量；5、融合单词词性向量序列和字符词性向量序列，得到字词融合向量；6、对于给定句子，预测的目标词的融合向量；7、利用霍夫曼树进行梯度上升迭代至梯度收敛，从而得到多信息融合的词向量。
-
公开(公告)号：CN113288150B
公开(公告)日：2022-09-27
申请号：CN202110712331.8
申请日：2021-06-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基疲劳脑电信号组合特征的通道选择方法。针对现有技术的问题，提出的技术方案为：首先使用脑电采集设备采集疲劳驾驶信号，选取大脑皮层上能显著反映疲劳状态的电极通道并预处理；通过集合经验模态分解所获得的有限个本征模函数的功率谱值作为特征，并将样本熵作为辅助特征，再通过本文提出的通道选择方法分别筛选出在功率谱值和样本熵值作为特征下的理想通道；最后使用多层感知超限学习机和使用粒子群优化算法优化后的多层感知超限学习机分别对筛选出的理想通道数据进行二分类。本发明使用了组合特征提高了通道选择算法的泛化能力，最终使用了最优通道相比于全通道大幅提高了准确率。
-
公开(公告)号：CN112450947B
公开(公告)日：2022-08-02
申请号：CN202011312879.5
申请日：2020-11-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种针对情绪唤醒度的动态脑网络分析方法。采用滑动时间窗口分割数据，通过传递熵建立大脑功能网络。将分段的脑网络按时间顺序连接成动态脑网络，用于显示实验刺激过程中受试者的详细动态变化。为确保动态连接真实可靠，使用聚类和替代序列测试和分析。最后，使用优化计算的特征‑通道规范信息优化数据并评估活动水平，使结果更清晰。为寻找潜在的重要刺激片段提供了指导和基础。与传统静态脑网络相比，本方法采用更合理科学的方式建立脑功能网络，能够更细致的观察和分析实验刺激过程中大脑状态的变化，并且提出的特征可以有效的简化网络结构和结果分析。
-
公开(公告)号：CN114469641A
公开(公告)日：2022-05-13
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。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.029 seconds)
