-
公开(公告)号：CN101859377A
公开(公告)日：2010-10-13
申请号：CN201010197475.6
申请日：2010-06-08
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多核支持向量机的肌电信号分类方法。对于分布复杂的样本，基于单核支持向量机的分类性能，在分类精度和支持向量的数目上容易受到影响。本发明方法是将多核支持向量机方法与二叉树组合策略相结合，具体步骤是：通过肌电信号采集仪拾取人体下肢的肌电信号；采用小波系数尺度间相关性消噪法对含有干扰噪声的肌电信号进行消噪；对消噪后的肌电信号进行特征提取，利用消噪后的小波系数得到肌电信号的特征；基于多核支持向量机的分类操作。本发明方法可以较好地满足下肢假肢控制中的多分类要求，兼顾分类的准确性和实时性，该方法在智能假肢控制的多运动模式识别中具有广阔的应用前景。
-
公开(公告)号：CN101711709A
公开(公告)日：2010-05-26
申请号：CN200910154966.X
申请日：2009-12-07
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种利用眼电和脑电信息的电动假手控制方法。现有假手控制方法不适合神经、肌肉严重退化的瘫痪人士使用。本发明方法是将脑电拾电传感器中的头皮拾电电极放置在国际脑电图学会标准10-20导联系统确定的脑前额部Fp1或Fp2位置，参考电极放置在耳廓位置，原始信号处理后进入微处理器，应用基于粒子群优化的确定成份分析方法进行参考信号构建、含眼电信息脑电信号提取及手部运动模式识别，根据识别结果微处理器输出相应控制信号控制电动假手动作。本发明方法采用眼、脑协调方式表达手部运动意愿，利用眼电信号包含的有用信息，增强同一运动意识所产生脑电信号的特征，手部运动模式识别的正确率高，假手动作控制可靠。
-
公开(公告)号：CN100594858C
公开(公告)日：2010-03-24
申请号：CN200810063305.1
申请日：2008-08-01
Applicant: 杭州电子科技大学
IPC: A61F2/72
Abstract: 本发明涉及一种脑电肌电联合控制的电动假手的控制方法。目前三自由度肌电假手的模式处理正确率不够。本发明的电动假手包括多个肌电拾电传感器和脑电拾电传感器。肌电拾电传感器和脑电拾电传感器中的二次处理电路输出端与A/D转换电路的输入端连接。三个电机分别与对应的驱动电路连接，微处理器分别与A/D转换电路的输出端、驱动电路的输入端信号连接。肌电拾电传感器和脑电拾电传感器分别采集来自人体残臂各点的表面肌电信号和来自人体头顶和耳部的脑电信号，经过放大、滤波、A/D转换处理后输入微处理器中；微处理器对处理后的表面肌电信号和脑电信号进一步处理，实现对三自由度电动假手的控制。本发明通过脑电和肌电信号融合、经模式识别后实现控制，识别的正确率高、动作控制可靠。
-
公开(公告)号：CN101564328A
公开(公告)日：2009-10-28
申请号：CN200910098336.5
申请日：2009-05-07
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于支持向量数据描述的膝上假肢多运动模式识别方法。目前的肌电信号分类算法都存在各种不足。本发明采用支持向量数据描述方法，提出具有多模式特征提取能力的动态模型，实现各种模式特征空间的自适应调整。该方法首先获取人体下肢肌电信号样本数据，再建立支持向量数据描述多类分类器，然后判断测试样本的归属，并进行支持向量数据描述增量学习，包括样本添加和样本删减。本发明方法较好地满足膝上下肢假肢控制中的多运动模式识别要求，克服了支持向量数据描述离线训练方式无法有效处理反映对象特性改变的样本数据等缺点，该方法在智能假肢控制的多模式识别中具有广阔的应用前景。
-
公开(公告)号：CN1582866A
公开(公告)日：2005-02-23
申请号：CN200410024941.5
申请日：2004-06-02
Applicant: 杭州电子科技大学
Abstract: 带触觉的肌电仿生电动假手及其控制方法，该假手包括拾电电极、肌电信号处理电路、带肌电信号模式处理的计算机及驱动电路，其特征是有仿人手指型触滑觉一体化传感器，其信号引出线连接信号调理电路、带接触滑动特征识别的单片机系统；接触觉或滑动觉输出信息与残臂上可施加刺激脉冲的电极连接。触滑觉传感器采用高分子压电材料，与薄铜皮电极粘合在一起，包裹在仿人假手手指的柱面上。这种假手控制方法是由传感器传出压电信号经调理电路成包含接触、滑动特征的电压信号，由单片机系统获取有无接触或有无滑觉的感觉信息，输入计算机，协同肌电信息控制假手完成相应工作。本发明能使假手受到肌电信号和感觉信号双重制约，达到比较理想的仿生控制。
-
Patent Agency Ranking
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：CN117204864A
公开(公告)日：2023-12-12
申请号：CN202311175027.X
申请日：2023-09-13
Applicant: 杭州电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/16 , A61B5/00 , G06F18/2415 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于自监督对比学习的情绪脑电分类方法，包括以下步骤：步骤1、对脑电数据进行预处理，并进行数据归一化，再划分为训练集和测试集，并将脑电信号数据按1s的分段划分，作为输入。步骤2、构建预训练框架模块。步骤3、使用没有标签的脑电数据进行自监督对比预训练。步骤4、保留预训练过程中的编码器部分，在其输出连接一个多次感知机，构建一维CNN分类器。步骤5、使用带标签的数据，对构建的一维CNN分类器进行训练，得到所需的分类网络，该方法可以有效地对情绪脑电信号进行分类，最高识别准确率可达到93、77％，并且也可以微调到其他下游任务。
-
公开(公告)号：CN111708978B
公开(公告)日：2023-05-02
申请号：CN202010727716.7
申请日：2020-07-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多尺度时频肌间耦合分析方法。本发明首先进行多通道表面肌电信号同步采集并进行预处理；并对预处理后的数据进行噪声辅助的多元经验模态分解，得到有用的IMF尺度分量。其次对IMF尺度分量进行同步提取变换；具体为：对每个IMF尺度分量进行短时傅里叶变换，再乘以一个相位因子后进行同步压缩变换。然后计算时频互信息、时频归一化互信息和时频条件互信息；最后将上述计算结果进行多尺度时频肌间耦合统计分析。本发明为定量研究脑卒中患者上肢康复运动过程中不同时频尺度下的肌间非线性耦合强度特性提供了一种新方法。
-
公开(公告)号：CN114469641A
公开(公告)日：2022-05-13
申请号：CN202111665127.1
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于肌电识别的功能性电刺激脑卒中运动障碍镜像训练方法，具体为：受试者患侧固定于外骨骼机器人上，可通过外骨骼机器人带动患侧手臂完成相应动作。健侧手臂放置肌电采集装置。训练时，受试者想象双手同时做同一动作，且健侧手臂实际完成此动作。通过采集健侧的表面肌电信号，识别出相应手势动作，由外骨骼机器人带动患侧进行相应的手势动作。同时，对患侧相应动作的肌肉施加功能性电刺激。通过选取受试者进行实验，采集此方法训练前后的脑电数据，与传统镜像训练前后脑电数据，计算评估指标E进行对比分析，得出此方法的效果相比于传统方法效果更佳。
-
公开(公告)号：CN112604163A
公开(公告)日：2021-04-06
申请号：CN202011609685.1
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于经颅直流电刺激的辅助记忆系统。包括电刺激仪、采集装置和训练装置。训练装置针对不同的工作记忆子成分选用不同的记忆负载材料，设计了三种不同模式的训练。采集装置采集使用者经电刺激前后在不同训练模式中的脑电信息，对比统计，为电刺激仪的电极摆放位置、刺激时长、电流密度提供参考。电刺激仪对相应脑区进行最大程度的激活，配合不同模式的训练，提高工作记忆的效果。在电刺激结束后，再进行一次无电刺激的训练，可以将电刺激带来的提升效果延伸至在脱离电刺激后。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.043 seconds)
