公开(公告)号：CN109886097A

公开(公告)日：2019-06-14

申请号：CN201910023261.8

申请日：2019-01-10

Applicant: 杭州电子科技大学

Inventor： 马玉良 ,  王星 ,  张卫 ,  张启忠 ,  罗志增

IPC: G06K9/00 ,  G06N3/00 ,  G06N3/08 ,  A61B5/0476 ,  A61B5/00

Abstract: 本发明公开了一种基于人工鱼群优化H-ELM的疲劳驾驶检测方法；具体为：1、使用32导脑电采集设备获取驾驶脑电信号；2、对原始脑电信号进行预处理，包括降频、滤波；3、对预处理后的进行短时傅里叶变换再获取其功率谱密度，并根据脑电信号的频带进行频带划分，以各频带的功率作为特征；4、对提取的特征使用多层感知超限学习机进行分类学习、识别；5、通过人工鱼群算法对超限学习机的分类、识别效果进行优化。本发明使用AFSA优化后的H-ELM分类器对疲劳驾驶脑电信号进行检测，可有效的提高分类检测准确率。

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

Inventor： 席旭刚 ,  杨晨 ,  石鹏 ,  袁长敏 ,  章燕 ,  范影乐 ,  罗志增 ,  张启忠

IPC: G06K9/00 ,  G06K9/62

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。

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

Inventor： 席旭刚 ,  华仙 ,  汤敏彦 ,  罗志增 ,  张启忠 ,  佘青山 ,  蒋鹏

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。

公开(公告)号：CN106901728A

公开(公告)日：2017-06-30

申请号：CN201710073405.1

申请日：2017-02-10

Applicant: 杭州电子科技大学

Inventor： 髙云园 ,  任磊磊 ,  苏慧需 ,  张迎春 ,  张启忠 ,  马玉良 ,  孟明 ,  佘青山

IPC: A61B5/0476 ,  A61B5/0488

Abstract: 本发明公开了一种基于变尺度符号传递熵的多通道脑肌电耦合分析方法，本发明首先同步采集不同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。然后选择可变尺度参数对左、右手相同握力下的脑肌电信号进行符号化，并对符号化后的序列进行传递熵的计算。通过综合分析传递熵的平均值和标准差，以及计算所用时间，选择一个合适有效的符号化尺度参数进行后续分析。进一步对左手/右手动作、不同握力下、多个通道的脑电信号和对应的肌电信号进行符号传递熵分析和比较。最后根据脑电到肌电和肌电到脑电的传递熵变化情况，提出了脑肌电信号耦合强度的表示方法，客观定量的反映皮层肌肉和运动肌肉之间的耦合强度。

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

Inventor： 席旭刚 ,  朱海港 ,  罗志增 ,  张启忠 ,  佘青山

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：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

Inventor： 张启忠 ,  朱海港 ,  左静 ,  高云园 ,  罗志增 ,  席旭刚

IPC: G06K9/00 ,  G06K9/62 ,  G06K9/66

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

Inventor： 席旭刚 ,  罗志增 ,  张启忠 ,  高发荣 ,  佘青山

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

Inventor： 席旭刚 ,  张启忠 ,  罗志增 ,  佘青山 ,  高云园

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：CN117952847A

公开(公告)日：2024-04-30

申请号：CN202310224190.4

申请日：2023-03-03

Applicant: 杭州电子科技大学

Inventor： 常双双 ,  高发荣 ,  张启忠

IPC: G06T5/70 ,  G06V20/05 ,  G06V10/40 ,  G06V10/764

Abstract: 本发明涉及一种由模型引导条件对抗网络的水下图像增强方法，包括以下步骤；步骤一：搭建条件生成对抗网络的生成器U‑Net；步骤二：对U‑Net每层的编码模块和解码模块所提取的特征进行重标定；步骤三：将U‑Net的深层特征与浅层特征进行特征融合；步骤四：利用物理模型对生成器输出的估计图进行反演得到还原图像；步骤五：构建判别器并判断还原图像与真实参考图像的一致性。本发明通过物理模型引导条件生成对抗网络生成器U‑Net对提取的特征进行重标定并将深层特征和浅层特征进行融合来提高特征利用性能，从而生成准确的估计图保证物理模型的反演效果。

公开(公告)号：CN116776231A

公开(公告)日：2023-09-19

申请号：CN202310542817.0

申请日：2023-05-15

Applicant: 杭州电子科技大学

Inventor： 高云园 ,  孙新宇 ,  张启忠 ,  佘青山 ,  张卷卷

IPC: G06F18/2411 ,  G06F18/2135 ,  G06F18/25 ,  A61B5/369 ,  A61B5/374

Abstract: 本发明提出了一种基于黎曼流形的跨被试脑电情绪识别方法。当前基于脑电信号的跨被试情绪识别模型存在模型泛化性差、识别准确率较低等问题，且局限于脑电信号的幅值信息来进行分析，无法有效降低受试者间的差异性。本发明首先使用FIR滤波器提取出脑电信号的θ,α,β,γ四个频带，然后计算出脑电信号通道间的PLV矩阵，并在黎曼流形上将任务态的PLV矩阵对齐到静息态PLV矩阵，以降低不同受试者间的差异性。最后将PLV矩阵映射到切空间中进行分类识别。在DEAP数据集上进行了基于效价、唤醒度二分类实验以及效价‑唤醒度空间的四分类实验，结果表明了所提方法的有效性。