-
公开(公告)号：CN108593557A
公开(公告)日：2018-09-28
申请号：CN201810205703.6
申请日：2018-03-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于TE-ANN-AWF移动污染源遥测误差补偿方法，本发明利用TE传递熵对干扰与测量结果进行因果相关性分析，从而确定测量误差来源以及衡量多干扰间不平衡程度，并利用TE传递熵的方向性引出非显著因果关系的量化标准和判定方法。提出了虚拟观测方法来实现单元观测序列的多元解构，通过ANN误差预测模型实现单干扰通道虚拟观测序列的补偿，再采用多元自适应加权融合方法对补偿后的多元虚拟观测序列进行融合重构。针对融合算法中的权值收敛问题，模型中引入了指数遗忘的方法将TE良好的权值预估能力和AWF的权值自适应调整的优点相结合，改善了误差补偿过程的动态性能。
-
公开(公告)号：CN107618018A
公开(公告)日：2018-01-23
申请号：CN201711019198.8
申请日：2017-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于肌电的机械手动作速度比例控制方法；首先，通过肌电采集仪采集尺侧腕伸肌和桡侧腕屈肌的表面肌电信号，通过能量阈值法确定动作的起始位置和终止位置作为动作肌电信号，提取信号的平滑窗平均功率；用小波分析法对原始表面肌电信号进行多尺度分解，提取信号多尺度模糊熵特征，并和平均功率组成特征向量输入扩展的K最近邻模型分类器，识别手部动作，同时通过正交多项式拟合操作者与机械手动作速度，最终控制机械手以相应的速度完成相应的动作。本发明提高了人机交互的自然性和主动性，从而提高了操作的准确性和便捷性，降低了机械手操作的危险等级，使机械手可以完成相对复杂、危险的任务。
-
公开(公告)号：CN104573630A
公开(公告)日：2015-04-29
申请号：CN201410738486.9
申请日：2014-12-05
Applicant: 杭州电子科技大学
CPC classification number: G06K9/6269 , G06F3/015 , G06K9/00536 , G06K9/6286
Abstract: 本发明涉及一种基于双支持向量机概率输出的多类脑电模式在线识别方法。EEG信号具有高度非平稳性、时变性和个体差异性，容易随时间产生不同程度的波动，而现有的多数脑电信号分类方法自适应能力较差。本发明建立了双支持向量机概率输出模型，在此基础上引入增量学习方法，实现了多类脑电模式的在线识别。先建立双支持向量机初始分类模型，通过Sigmoid概率输出建模方法求得EEG信号属于各个类别的概率，并将该信号归为概率最大的类别，然后引用增量学习方法将满足一定条件的EEG信号加入到训练集中来更新分类模型，以最新的分类模型对信号进行识别。本发明方法不仅减少训练时间，提高分类速度，而且具有较好的自适应能力。
-
公开(公告)号：CN102961203B
公开(公告)日：2015-04-22
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：CN103761424A
公开(公告)日：2014-04-30
申请号：CN201310755427.8
申请日：2013-12-31
Applicant: 杭州电子科技大学
IPC: G06F19/00 , A61B5/0488 , G06K9/62
Abstract: 本发明涉及一种基于二代小波变换和独立分量分析相结合的肌电信号降噪与去混迭方法。目前有的信号去混迭方法运用于肌电信号时显现出一些不足。本发明首先采用二代小波降噪算法先滤除信号中的噪声。二代小波降噪算法运用于肌电信号，使降噪后的信号变得平滑，波形当中不必要的震荡得到抑制，肌电信号特征更加明显。再对降噪后的含混信号进行ICA分离，可快速有效的去除信号中的混迭成分。利用本发明对肌电信号做以上预处理，可大大去除信号中的干扰，为后续的肌电信号的特征提取，动作识别等研究提供了便捷。
-
Patent Agency Ranking
公开(公告)号：CN103617411A
公开(公告)日：2014-03-05
申请号：CN201310488878.X
申请日：2013-10-17
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于复杂度和分维数及分形长度的肌电信号识别方法，来实现遥操作机器人系统中主操作者对远端机械手的同步控制。模式识别特征采用了肌电信号的L-Z复杂度指标和分维数指标，分类器则采用了一种改进的以聚类方法作为数据整理手段的KNN模型法，该算法具有增量学习能力。操作者手的动作速度取决于手臂肌肉群的活动强度，肌肉活动强度可由肌电信号的最大分形长度表征。在一定的范围内，肌电信号的最大分形长度与操作者手的动作速度呈单调递增关系。以肌电信号的最大分形长度为输入控制量，实现了机械手抓取速度的控制，取得了较理想的效果。
-
公开(公告)号：CN102697495B
公开(公告)日：2013-09-18
申请号：CN201210161480.0
申请日：2012-05-23
Applicant: 杭州电子科技大学
IPC: A61B5/0488
Abstract: 本发明涉及一种基于总体平均经验模式分解的二代小波肌电信号消噪方法。本发明采用基于总体平均经验模式分解的二代小波消噪方法，获取人体的肌电信号样本数据，对原始的肌电信号加入白噪声后进行经验模态分解，然后对高频的内蕴模式函数分量进行二代小波分解及阈值处理，小波重构高频分量。最后把经过处理的高频分量与低频分量进行叠加，重构后的信号即为去噪信号。本发明将信号自适应地分解到不同的尺度上，适合非线性、非平稳信号的处理，不仅具有小波分析的全部优点，还有更清晰准确的谱结构，并能改善信号的极值点分布，具有抗混分解能力，既尽可能地保存了有用信号，又有效地消除了噪声，并且能够大幅提高信号信噪比。
-
公开(公告)号：CN102832907A
公开(公告)日：2012-12-19
申请号：CN201210312259.0
申请日：2012-08-29
Applicant: 杭州电子科技大学
IPC: H03H17/02
Abstract: 本发明涉及一种消除触觉传感器工频噪声的方法。触觉传感器信号易受机器人动力系统的工频干扰。本发明中的匹配滤波器对传感器信号中可能存在的工频信号进行匹配输出，对其它信号或噪声则给予有效的抑制，继而确定所输出的传感器信号中有无工频干扰，被干扰的程度又怎样。如果存在工频干扰，则对信号进行独立成分分析消除工频干扰。采用匹配滤波器对触觉传感器信号中可能存在的工频信号进行突显，对其它信号或噪声则给予有效的抑制，并将工频匹配滤波器处理结果作为触觉传感器信号是否进行独立成分分析的判断条件。本发明不仅能够有效地消除传感器信号中的工频噪声，且不会对其它频率成分造成影响。
-
公开(公告)号：CN100515366C
公开(公告)日：2009-07-22
申请号：CN200710068219.5
申请日：2007-04-24
Applicant: 杭州电子科技大学
Abstract: 本发明涉及到一种将肌电信息控制人工假手的技术。现有的多自由度假手采用顺序控制方式或开关切换方式实现控制，缺乏实时性、仿生性能差。本发明包括三个肌电拾电传感器，肌电拾电传感器与后级放大滤波电路、A/D转换电路、单片机和二自由度肌电假手的两个电机顺序信号连接。具体控制方法：三个肌电拾电传感器分别采集来自人体的尺侧腕伸肌、尺侧腕屈肌和指伸肌对应的表面肌电信号，经过放大、滤波、A/D转换处理后输入单片机中；单片机对表面肌电信号强弱进行判断，并输出四路控制信号，经驱动电路带动假手的电机，完成假手的四个动作。本发明的手部多运动模式识别正确率达到100%，实现了高可靠识别率下二自由度假手四个动作的实时控制。
-
公开(公告)号：CN100453989C
公开(公告)日：2009-01-21
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。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.032 seconds)
