-
公开(公告)号：CN107887031B
公开(公告)日：2020-10-27
申请号：CN201711063666.1
申请日：2017-11-02
Applicant: 杭州电子科技大学
IPC: G16H50/50 , G16H50/70 , A61B5/0476 , A61B5/0488
Abstract: 本发明公开了一种基于同步筛选的脑区间耦合分析方法，本发明首先同步采集了不同握力输出时，32通道脑电信号EEG和12通道肌电信号EMG，为研究握力输出过程中，EEG运动区与感觉区的耦合关系，对大脑运动区及运动感觉区的导联C3，C4，CP5和CP6的脑电信号和肱桡肌信号进行分析；然后利用同步筛选算法将EEG与EMG的同步信息提取出来，得到EEG与EMG相关的数据；最后计算SSEM的符号传递熵，以确定其耦合关系。本发明可去除与运动的非相关数据，缩小数据规模。
-
公开(公告)号：CN107618018B
公开(公告)日：2020-08-25
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：CN111326252A
公开(公告)日：2020-06-23
申请号：CN202010099618.3
申请日：2020-02-18
Applicant: 杭州电子科技大学
IPC: G16H50/20 , G06K9/62 , A61B5/0488 , A61B5/04 , A61B5/00
Abstract: 本发明提出了一种基于肌间协同和肌间耦合运动功能分析方法；本发明采集了三维空间力的产生维持过程中，8通道表面肌电信号，首先利用非负矩阵分解算法提取肌肉的运动模块和激活系数；然后利用一致性分析方法计算协同肌肉对和非协同肌肉对八个象限的肌间相干性。最后利用显著性面积指标对比中风病人和正常人之间肌肉耦合关系的差异。本发明通过对多通道肌间协同-耦合分析，体现了中枢神经系统对三维力的产生的控制模式，为运动功能障碍的诊断和康复效果的评价提供依据。
-
公开(公告)号：CN107180435B
公开(公告)日：2020-05-26
申请号：CN201710322399.9
申请日：2017-05-09
Applicant: 杭州电子科技大学
IPC: G06T7/292
Abstract: 本发明提出了一种适用于深度图像的人体目标跟踪方法。本发明首先利用人体目标深度值，基于阈值判断设计一种目标模板更新方法。其次，通过计算Kalman滤波器的预测位置与当前跟踪框的质心位置距离，判断跟踪是否受障碍物干扰而使跟踪框跳变，设计一种障碍物屏蔽方法，消除障碍物区域对跟踪的干扰。然后通过人体目标检测的方法实现再跟踪。最后基于阈值判断，设计屏蔽障碍物解除的机制，使深度相机改变视角后，解除视角改变前的障碍物区域屏蔽。本发明使得深度图像中人体目标的跟踪成功率有明显的提高。
-
公开(公告)号：CN111091074A
公开(公告)日：2020-05-01
申请号：CN201911210107.8
申请日：2019-12-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种最优区域共空间模式的运动想象脑电信号分类方法。本发明首先进行多通道脑电信号采集并预处理。其次根据通道的欧氏距离选择通道附近的n个通道组成局部区域，对这若干个区域进行CSP滤波，得到若干区域的方差比。然后根据CSP的可分性判据，选择选择最大方差比与最小方差比差值最大的区域为选定的区域。再对区域内通道数目n进行交叉验证，得到最优区域。最后将最优区域进行CSP滤波，取滤波后的3个最大和最小特征向量组成特征空间，将训练集特征输入SVM分类器训练分类模型后，对测试集特征进行分类得到测试结果。本发明通过移除不相关的嘈杂通道提高了BCI的性能；同时减少了通道数量以及校验运行时间。
-
Patent Agency Ranking
公开(公告)号：CN107832686A
公开(公告)日：2018-03-23
申请号：CN201711013730.5
申请日：2017-10-26
Applicant: 杭州电子科技大学
CPC classification number: G06K9/00335 , G06K9/00885 , G06K9/6269
Abstract: 本发明提出了融合表面肌电和加速度信号的下肢运动模式识别方法。首先，获取人体下肢表面肌电信号、加速度信号；表面肌电信号用局部均值分解算法分解为多个乘积函数，根据表征不同动作分离性的平均欧氏距离，确定局部均值分解算法分解之后第一个乘积函数的多尺度排列熵，提取第一个乘积函数的多尺度排列熵作为表面肌电信号特征。计算不同尺度熵的重要性，确定尺度熵组成4维特征向量，并和三轴加速度的排序熵组成7维特征向量；将7维特征向量输入根据类内平均欧氏距离和类间样本分布而改进的二叉树支持向量机进行下肢运动模式识别。本发明可实现人体下肢运动意图实时、准确识别，识别结果可用于外骨骼机器人交互控制等。
-
公开(公告)号：CN104408747B
公开(公告)日：2017-02-22
申请号：CN201410717382.X
申请日：2014-12-01
Applicant: 杭州电子科技大学
IPC: G06T7/20
Abstract: 本发明提出了一种适用于深度图像的人体运动检测方法。本发明首先将图像分成上下两层，上下两层利用不同的邻域建立背景模型。建立背景模型的同时增加了一个参考模型。其次调整图像下层算法的差值阈值的参数在接下来的视频中将各像素与背景模型比较进行像素分类。然后基于分类后的像素采用不同的更新方式更新背景模型。最后误检点消噪处理。本发明使得人体的识别率和检测率都有明显的提高。
-
公开(公告)号：CN104408747A
公开(公告)日：2015-03-11
申请号：CN201410717382.X
申请日：2014-12-01
Applicant: 杭州电子科技大学
IPC: G06T7/20
Abstract: 本发明提出了一种适用于深度图像的人体运动检测方法。本发明首先将图像分成上下两层，上下两层利用不同的邻域建立背景模型。建立背景模型的同时增加了一个参考模型。其次调整图像下层算法的差值阈值的参数在接下来的视频中将各像素与背景模型比较进行像素分类。然后基于分类后的像素采用不同的更新方式更新背景模型。最后误检点消噪处理。本发明使得人体的识别率和检测率都有明显的提高。
-
公开(公告)号：CN103417216B
公开(公告)日：2014-12-10
申请号：CN201310332509.1
申请日：2013-08-01
Applicant: 杭州电子科技大学
IPC: A61B5/103
Abstract: 本发明公开了一种基于复杂度的压力中心非线性特征提取方法。传统的压力中心（centerofpressure,COP）特征参数，无法对人体动摇的非线性特性进行有效描述。本发明是一种利用所构建的基于邻域粗粒化二维Lempel-Ziv复杂度，提取COP非线性动力学特征的方法，具体步骤为：步骤1.COP信号的获取；步骤2.基于邻域粗粒化的序列重构；步骤3.基于重构序列计算COP信号的归一化Lempel-Ziv复杂度。本发明有效地解决了如何应用Lempel-Ziv复杂度，对二维的COP信号进行处理，提取其非线性特征的问题，从而能够对人体姿态动摇的不规则程度进行定量描述。
-
公开(公告)号：CN103417216A
公开(公告)日：2013-12-04
申请号：CN201310332509.1
申请日：2013-08-01
Applicant: 杭州电子科技大学
IPC: A61B5/103
Abstract: 本发明公开了一种基于复杂度的压力中心非线性特征提取方法。传统的压力中心（centerofpressure,COP）特征参数，无法对人体动摇的非线性特性进行有效描述。本发明是一种利用所构建的基于邻域粗粒化二维Lempel-Ziv复杂度，提取COP非线性动力学特征的方法，具体步骤为：步骤1.COP信号的获取；步骤2.基于邻域粗粒化的序列重构；步骤3.基于重构序列计算COP信号的归一化Lempel-Ziv复杂度。本发明有效地解决了如何应用Lempel-Ziv复杂度，对二维的COP信号进行处理，提取其非线性特征的问题，从而能够对人体姿态动摇的不规则程度进行定量描述。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.03 seconds)
