-
公开(公告)号：CN110633644A
公开(公告)日：2019-12-31
申请号：CN201910758611.5
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于肌电小波包分解和GABP的人体关节角度预测方法。首先，获取人体膝和踝关节伸屈运动的表面肌电信号数据和实际角度信号。接着对动作信号段的原始肌电信号进行小波降噪得到有效表面肌电信号。将获取的有效肌电信号进行小波包分解，获得各层小波系数。计算各层小波系数的均方根和排列熵特征，作为预测网络的输入。然后构建GABP网络预测模型。使用遗传算法来对BP神经网络模型进行参数训练，得到最优初始化权值和阈值。最后进行网络训练，将提取的特征值分为训练集与测试集,使用训练集训练好网络之后,再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关节角度预测率。
-
公开(公告)号：CN110495880A
公开(公告)日：2019-11-26
申请号：CN201910758648.8
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00 , A61N1/36 , G06Q10/06 , G16H20/30
Abstract: 本发明提出了一种基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法。本发明首先分析功能脑区多导联EEG信号，采用脑功能网络建模方法计算出连通率、小世界特性的脑功能网络指标，对tDCS刺激前后的脑功能网络特性做出比较，揭示运动活动期间受激半球的功能前区、功能区和功能感知区的功能连接和神经重塑规律。然后采用基于动态回归模型因果测度的多层次神经肌肉耦合分析的方法，提取脑-脑、脑-肌和肌-肌耦合特征指标，从不同侧面描述了上肢运动功能的康复效果。最后研究脑肌电耦合特征与tDCS对神经可塑性的影响规律之间的相关性，为进一步tDCS的刺激方式和参数改进提供依据，实现运动功能皮层神经重塑的有效引导和管理。
-
公开(公告)号：CN109948640A
公开(公告)日：2019-06-28
申请号：CN201811603034.4
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: G06K9/62 , A61B5/0488
Abstract: 本发明公开了一种基于双参数核优化型极限学习机的肌电识别方法，本发明首先提取了4路肌电信号并提取了相应的平均幅值，方差，威尔逊振幅，小波能量系数，然后把这些特征进行融合，最后把融合后的特征输送到双参数优化型极限学习机。双参数优化型极限学习机在极限学习机的基础上，引入了高斯核函数，通过对输出权重矩阵的最小化来设置优化各个参数，构建神经网络结构，并将极限学习机最小化输出误差的问题转变为最小化输出权重的问题。该方法具有比传统极限学习机更为强大的函数逼近能力，同时处理非线性分类的能力也更强，相比于其他常见分类器算法也有更高的准确率和更少的运算时间。
-
公开(公告)号：CN109893126A
公开(公告)日：2019-06-18
申请号：CN201910217803.5
申请日：2019-03-21
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于脑功能网络特征的癫痫发作预测方法，本发明采用NPDC作为脑功能网络连通性的测量，并分析了癫痫发作时相关脑区的活动信息。此外，通过结合脑功能网络特征提取和ELM，开发了一种新的预测方法来预测癫痫发作的时间。结果表明，该方法在所有受试者的所有脑电图频段均取得了良好的表现，准确率高达84.0％，平均预测时间高达1325.59秒，优于目前的研究方法。本研究的结果表明，所提出的预测方案更适合于实际癫痫发作预测。
-
公开(公告)号：CN109657651A
公开(公告)日：2019-04-19
申请号：CN201910038173.5
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信号的下肢膝关节连续运动估计方法。首先采集人体下肢膝关节在慢速、中速、快速运动模式下股二头肌，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，然后提取信号的小波系数、均方根与排序熵等特征作为输入，再将三种特征结合成一种新的特征作为输入，并对特征数据进行归一化处理，并通过不同方法的比较，最终使用最小二乘支持向量机回归模型进行预测。实验结果表明，不同的特征在不同运动模式下具有不同的相对预测性能，结合三种特征的预测结果明显优于单独采用其中任何一种，且通过最小二乘支持向量机模型的预测非常准确，最终得到了一种较为理想的预测模型。
-
Patent Agency Ranking
公开(公告)号：CN109498370A
公开(公告)日：2019-03-22
申请号：CN201811603026.X
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61H1/02 , A61B5/0488 , A61B5/00
CPC classification number: A61H1/0237 , A61B5/04012 , A61B5/0488 , A61B5/7203 , A61B5/7235 , A61B5/7253 , A61H2201/165 , A61H2205/10 , A61H2230/085
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：CN109497999A
公开(公告)日：2019-03-22
申请号：CN201811564214.6
申请日：2018-12-20
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00
Abstract: 本发明公开了一种基于Copula-GC的脑肌电信号时频耦合分析方法，针对皮层肌肉相干性分析时不能确定耦合方向，以及格兰杰因果方法受限于检测线性因果关系的局限性，将Copula-GC引入的皮层肌肉耦合分析领域。首先同步采集不同力度握力动作时多通道脑电信号和相关肌肉组上的表面肌电信号并进行预处理，其次在时域上计算脑肌电信号间的Copula-GC值，然后在频域上采用基于子带分解和Copula-GC的方法对脑肌电信号进行耦合强度统计，从而在时频域上定量描述脑肌电信号在局部频带和信息传递上的非线性同步耦合特性，为研究运动控制及患者康复评价提供一种定量的分析手段。
-
公开(公告)号：CN109239009A
公开(公告)日：2019-01-18
申请号：CN201811020538.3
申请日：2018-09-03
Applicant: 杭州电子科技大学
IPC: G01N21/39
Abstract: 本发明涉及基于环形谐振腔倍频结构的气态汞浓度检测装置及方法。现有汞蒸气浓度检测装置使用寿命短、测量结果浮动大。本发明包括半导体激光器、光栅、模式匹配镜、半波片、环形谐振腔、BBO晶体、二色向镜、分束镜、参考气室、检测气室和两个探测器。半导体激光器输出波长为507.3或730.2纳米。检测时，启动激光器，接收两个探测器产生的信号，对两路信号进行锁相放大，得到最大二次谐波信号；记录参考气室中二次谐波信号的最大幅值，在检测气室信号的相同位置，获得检测气室路二次谐波信号的幅值；计算得到待检测气体中汞浓度。本发明扩大了光源选择范围，提高了倍频转化效率、装置灵敏度和检测精度，实现了对元素汞浓度的实时监测。
-
公开(公告)号：CN109192007A
公开(公告)日：2019-01-11
申请号：CN201811107389.4
申请日：2018-09-21
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于肌电运动感知的AR手语识别方法及教学方法。首先，将四路表面肌电信号采集、三轴加速度传感器和三轴角加速度传感器集成设计成肌电臂环，双手佩戴肌电臂环，采集手臂动作时的表面肌电信号和运动信息并通过蓝牙实时传输到PAD平板电脑，PAD运行软件，对表面肌电信号进行模糊熵特征提取，然后将特征值和运动信息输入到支持向量机进行手语动作识别。进行AR教学时，软件可以记录手语动作步骤，并与标准动作做比较，如发现识别动作或动作步骤和标准库不一致，软件会给出提示和纠正，提升了教学的时效性和互动效果。
-
公开(公告)号：CN109171738A
公开(公告)日：2019-01-11
申请号：CN201810768671.0
申请日：2018-07-13
Applicant: 杭州电子科技大学
IPC: A61B5/11
Abstract: 本发明公开了一种基于人体加速度多特征融合和KNN的跌倒检测方法。本发明通过两个加速度传感器采集人体动作信息，提取的人体加速度的特征参数，通过主成分分析的数据压缩方法将特征集从162维降到12维。通过改进的KNN机器学习算法，即通过聚类方法在跌倒和非跌倒两类中各搜索到样本点，构成训练样本簇，根据样本模糊熵计算加权欧氏距离找出最临近的K个近邻点，将待分类动作归为这K个近邻中的多数所属的类别。本发明针对日常生活频度最高的动作作为实验，所提的基于人体加速度多特征融合和KNN的跌倒检测算法，灵敏度达到100％，可以快速有效的检测跌倒，同时也有很高的特异度，不会把日常行为动作误判为跌倒。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.032 seconds)
