-
公开(公告)号：CN109685071A
公开(公告)日：2019-04-26
申请号：CN201811454615.6
申请日：2018-11-30
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于共同空间模式特征宽度学习的脑电分类方法，旨在利用共同空间模式方法提取出运动想象脑电信号的本质特征之后利用宽度学习算法对其进行准确且快速的分类，以达到良好的分类效果。本发明首先获取多通道运动想象脑电信号，对其进行预处理操作，接着利用一对多的共同空间模式算法从预处理以后的脑电信号中提取出多类脑电特征，结合宽度学习方法构建多类运动想象脑电信号分类框架，然后利用新的脑电特征信号对模型进行分类测试。本发明采用宽度结构神经网络代替深度结构神经网络来训练模型可以有效的提高分类准确率同时大大降低训练的耗时，在脑电信号处理以及分类领域具有广阔的应用前景。
-
公开(公告)号：CN109645995A
公开(公告)日：2019-04-19
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：CN109524112A
公开(公告)日：2019-03-26
申请号：CN201811601572.X
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于部分定向相干法的脑功能网络构建方法；本发明首先采集脑电信号，对脑电数据进行小波硬阈值去噪、用独立成分分析方法去除心电、眼电。其次，对脑电信号运用多轨道自回归模型进行建模，并通过拉普拉斯变换将其转化到频域上，得到线性部分定向相干值。然后，利用AIC准则确定模型的阶数，采用显著性水平的方法计算阈值，根据阈值确定二值化矩阵。最后，根据二值化矩阵建立脑功能网络连接图。功能网络连接图以采集脑电通道位置作为节点位置。数据显示使用该方法能够鉴别患者发病间期分别与人体视觉、体觉及精神功能相关脑网络结点的变化情况。
-
公开(公告)号：CN109498009A
公开(公告)日：2019-03-22
申请号：CN201811606406.9
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/11 , A61B5/00
Abstract: 本发明公开了一种基于特征类可分性指标的人体日常行为肌电特征选择方法。首先，采集了人体下肢活动中四路表面肌电信号，然后计算了10种提取每路肌电信号的10个肌电特征形成肌电特征池，对静态动作、步态动作、静态转换动作的三大类分别计算10个肌电信号特征各自的特征类可分性指标，从肌电特征池中选择特征类可分性指标高于0.6的肌电特征组成静态动作肌电特征组，特征类可分性指标高于0.5的肌电特征组成步态动作肌电特征组，特征类可分性指标高于0.2的肌电特征组成静态转换动作肌电特征组。根据特征类可分性指标可以最大限度的利用各个特征，不会造成特征信息的浪费或冗余，大大降低了算法的复杂度，使分类效果更好。
-
公开(公告)号：CN103617411B
公开(公告)日：2016-09-07
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。
-
Patent Agency Ranking
公开(公告)号：CN105740887A
公开(公告)日：2016-07-06
申请号：CN201610051948.9
申请日：2016-01-26
Applicant: 杭州电子科技大学
CPC classification number: G06K9/6269 , G06K9/00536
Abstract: 本发明涉及一种基于PSO?SVM的脑电信号特征分类方法。本发明首先利用正则化的CSP(R?CSP)算法进行脑电信号特征提取；其次利用粒子群算法对支持向量机的惩罚因子C和核参数g进行优化。最后，用得到的最优参数对SVM分类器进行训练，利用训练好的分类器对样本进行分类预测。本发明与传统的SVM分类识别进行对比，结果表明基于PSO?SVM的分类识别算法能有效的提高脑电信号的分类识别率，较传统的分类识别方法有明显的优势。
-
公开(公告)号：CN103735262B
公开(公告)日：2015-04-29
申请号：CN201310433905.3
申请日：2013-09-22
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种双树复小波与共空间模式相结合的特征提取方法。本发明首先选取适当通道的脑电信号，然后根据双树复小波频率分段的特点，对原有频率进行上采样或者下采样，然后利用双树复小波多尺度分解，从而得到、、和四种节律波的频率范围对应的频段，并在该尺度下进行信号重构，得到相应频段下的多个重构信号，然后对各个适当通道进行相同的分解与重构，再将各个通道的各频段的重构信号联合起来输入到空间滤波器中，得到6维的特征向量，最后利用支持向量机来完成运动想象任务分类。本发明提出的方法不仅对运动想象脑电信号进行频率信息分析，还能有效的克服电极选取不足问题。
-
公开(公告)号：CN103961091A
公开(公告)日：2014-08-06
申请号：CN201410150878.3
申请日：2014-04-15
Applicant: 杭州电子科技大学
IPC: A61B5/0476
Abstract: 本发明提出了一种基于双树复小波样本熵的运动想象脑电信号特征提取方法。首先，利用双树复小波变换将脑电信号分解在不同的频段，依据运动想象脑电信号中ERD/ERS现象，抽取有用信号的频段进行重构；然后，利用样本熵提取出脑电信号特定频段的非线性特征。本方法可以作为脑电数据信号分析中一种有效的特征处理方法，具有一定的可行性，可以获得比较高的识别率，它为BCI的特征提取提供了新的思路。
-
公开(公告)号：CN102722728B
公开(公告)日：2014-05-28
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：CN102729254A
公开(公告)日：2012-10-17
申请号：CN201210231882.3
申请日：2012-07-04
Applicant: 杭州电子科技大学
IPC: B25J13/08
Abstract: 本发明涉及一种基于触觉临场感的遥操作机器人肌电控制方法。本发明以操控者人手为动作模仿对象，通过采集手臂皮肤表面肌电信号，经模式识别判断出相应的多个动作模式，控制机器人手完成对应动作，具有操控自然的特点；在作业过程中，操控者可根据触觉临场感来掌握和调节手部动作，实现触觉临场反馈式作业。本发明可以增强遥操作机器人的人机交互深度、准确性及适应能力，对解决工作在危险或有害环境下的遥控机器人，如核工业装配中抓取易形变、易爆的物体，有很好的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.111 seconds)
