-
公开(公告)号：CN119758228A
公开(公告)日：2025-04-04
申请号：CN202411518260.8
申请日：2024-10-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于奇异值分解的改进波达方向声源估计方法，涉及声学成像声音信号处理领域。该方法基于奇异值分解和对噪声子空间加权的联合对MUSIC算法进行改进的方法，包括如下步骤：S1、接收端通过麦克风阵列接收信号源X(t)；S2、对采集信号进行预处理；S3、构建交叉矩阵Z，对采集数据构建新的协方差矩阵Rnew；S4、对新的协方差矩阵Rnew奇异值分解(SVD)得到噪声子空间Un；S5、噪声子空间加权处理；S6、计算空间谱图查找峰值位置。该方法改善了MUSIC算法在低信噪比，少快拍数的非理想条件下的估计性能，同时提升了在低信噪比条件下，对邻近角度的目标分辨能力。
-
公开(公告)号：CN111814544B
公开(公告)日：2024-12-17
申请号：CN202010484729.6
申请日：2020-06-01
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/25 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于局部平衡极限学习机的动态运动想象脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种局部平衡ELM和基于SL量化FBN的新方法。与传统思想不同，本发明从上述加权的FBN提取了两种二值子网络的拓扑特征。此外，本发明指出了ELM融合中的两个不足，并提出了相应的局部平衡ELM。为了达到两个互补特征在ELM特征空间的最佳融合，以及二值化的最佳阈值和正则化ELM的最佳正则化参数，本专利改进了LOO方法的计算复杂度，使用LOO来收敛上述参数的经验范围。
-
公开(公告)号：CN117558287A
公开(公告)日：2024-02-13
申请号：CN202311453716.2
申请日：2023-11-03
Applicant: 杭州电子科技大学
IPC: G10L21/0216 , G10L19/16 , G10L25/06 , G10L25/30
Abstract: 本发明公开了一种基于深度神经网络的相干源DOA估计方法，包括如下步骤：S1、接收端通过麦克风阵列接收信源信号；S2、对采集信号进行预处理；S3、通过设计的自编码器对采集数据进行处理产生数据的协方差估计；S4、利用产生的协方差估计矩阵构建toeplitz重构矩阵；S5、将构建的toepliez重构矩阵通过ESPRIT算法进行DOA估计，该方法DOA研究中能够进行有效解码，从而有效提高了预测正确率。
-
公开(公告)号：CN117528348A
公开(公告)日：2024-02-06
申请号：CN202311620779.2
申请日：2023-11-30
Applicant: 杭州电子科技大学
IPC: H04R5/027
Abstract: 本发明公开了一种基于Taguchi方法的麦克风阵列优化方法，包括如下步骤：S1、构建所需的麦克风阵列；S2、选取适当参数进行阵列参数正交实验；S3、选用S2中的参数在matlab中进行仿真实验，对实验结果进行性能衡量；S4、对S3中所得数据进行计算信噪比S/N值(品质衡量的统一量化标准，便于统一量纲)S5、变异数分析(ANOVA，Analysis of Variance)数据，得到控制因子对最终结果性能影响大小的趋势和各控制因子的水准对于最终结果性能影响的贡献度大小。
-
公开(公告)号：CN112465842B
公开(公告)日：2024-02-06
申请号：CN202011526420.5
申请日：2020-12-22
Applicant: 杭州电子科技大学
IPC: G06T7/11 , G06T7/155 , G06T5/40 , G06T5/70 , G06V10/75 , G06V10/764 , G06V10/46 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于U‑net网络的多通道视网膜血管图像分割方法。本发明首先对数据集图像进行扩增处理和一系列的预处理，提高图像质量；其次将多尺度匹配滤波算法与改进的形态学算法相结合，构建U‑net网络的多通道特征提取结构；随后对三个通道进行网络训练，获得所需的分割网络，并对输出结果采用自适应阈值处理。本发明方法结合了U‑net网络与多尺度的匹配滤波算法，与单纯的U‑net网络相比，能够提取到更多的血管特征，具有更高的分割准确性和灵敏度，缓解视网膜血管图像细小血管分割不足以及错误分割的问题。
-
Patent Agency Ranking
公开(公告)号：CN117493545A
公开(公告)日：2024-02-02
申请号：CN202311464181.9
申请日：2023-11-06
Applicant: 杭州电子科技大学
IPC: G06F16/34 , G06F40/289 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/0464 , G06N3/0985 , G16H20/00
Abstract: 本发明公开了一种基于分层跨Transformer架构的肝病会诊抽象摘要生成方法，将发言者信息通过编码器转换为固定长度的角色向量rp；将会议记录按序列划分为序列元素，根据序列元素按位置信息得到位置编码；利用BioBERT预训练模型进行单词级别Transformer编码获取单词级别嵌入矩阵D；将[BOS]特殊向量与角色向量组合得到输入矩阵，并将输入矩阵与位置编码矩阵相加，利用BERT预训练模型进行对话轮次级别的Transformer编码；将输出矩阵分别与位置编码矩阵相加后分别输入进解码器Transformer的交叉注意力模块；接入Softmax归一化函数得到输出每个词的概率；将文本输入进词嵌入矩阵D，分别输入给完成训练的单词级别编码器Transformer，轮次级别编码器Transformer和解码器Transformer，实现抽象摘要生成。
-
公开(公告)号：CN112541415B
公开(公告)日：2024-02-02
申请号：CN202011399687.2
申请日：2020-12-02
Applicant: 杭州电子科技大学
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06F18/214 , G06F18/23
Abstract: 本发明公开了一种基于符号传递熵和图论的脑肌功能网络运动疲劳检测方法；首先，通过64导联脑电帽和肌电采集仪采集了10通道脑电信号和尺侧腕屈肌、屈指浅肌、桡侧腕屈肌的表面肌电信号。结合符号传递熵和图论知识建立了脑肌功能网络，并提取了网络特征向量用于K最近邻算法训练分类器，最终用于检测运动疲劳。该方法克服了传统的基于生物电信号的运动疲劳检测方法中未全面考虑脑肌协作进行运动控制的缺点，将脑电信号和肌电信号结合进行运动疲劳检测，结果显示该方法在运动疲劳检测中具有较高的准确率。
-
公开(公告)号：CN117011314A
公开(公告)日：2023-11-07
申请号：CN202311041432.2
申请日：2023-08-18
Applicant: 杭州电子科技大学
IPC: G06T7/11 , G06V10/40 , G06V10/82 , G06V10/80 , G06V10/774 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0455
Abstract: 本发明公开了一种基于多尺度非局部注意力机制的视网膜血管分割方法，属于图像处理领域，该方法首先确定训练集和测试集，并进行预处理。其次构建多尺度特征提取模块、混合编码模块、多尺度非局部注意力模块和解码模块，视网膜血管分割网络模型。最后对视网膜血管分割网络模型进行训练，得到所需的分割网络，并将测试集输入训练后的视网膜血管分割网络模型，得到分割后的图像。本发明使模型能够更加关注血管区域的重要特征，可以捕捉到传统卷积丢失的长距离信息并取得更准确的分割结果。
-
公开(公告)号：CN116831601A
公开(公告)日：2023-10-03
申请号：CN202310801604.5
申请日：2023-07-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种表面肌电信号无线传感器，由封装壳体、贴片式金属电极、模拟数据采集转换板、板对板连接器、主控电路板、无线传输模块和锂电池组成。封装壳体包裹在整个硬件装置外围，底部根据贴片式金属电极对应位置开出孔位；贴片式金属电极，通过锡浆焊接于模拟数据采集转换板反面；模拟数据采集转换板通过板对板连接器与主控电路板连接，采集肌电信号，并转换成数字信号传输至主控电路板。无线传输模块贴附焊接于主控电路板正面，用于肌电信号无线收发。本发明去除工频干扰，信号质量得到提高，便于佩戴，信号传输丢包少，准确便捷的采集表面肌电信号。
-
公开(公告)号：CN116725548A
公开(公告)日：2023-09-12
申请号：CN202310695089.7
申请日：2023-06-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进时延最大信息系数的脑肌耦合及脑网络分析方法，首先，安排受试者执行相应动作记录下同步的sEMG和EEG。通过小波去噪对sEMG完成预处理，对EEG进行带通滤波、ICA独立成分分析，对处理后的EEG和相应sEMG进行分段，提取出手部动作时的EEG和相应sEMG。接着利用BEMD方法求出EEG和相应sEMG的IMF分量，再利用TDMIC方法计算EEG和相应sEMG以及EEG和EEG的不同IMF分量的耦合值，最后对得到的结果进行统计学分析。本发明在不同的局部频带上评估试验者在受到不同波形的NMES之后短时间内的FCMC以及BFCN变化的差异性。并通过归一化显著区域来量化实验结果。这些研究将为基于NMES的脑卒中康复方法提供全新的思路，并为运动功能评价方法提供了新的角度。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.032 seconds)
