-
公开(公告)号:CN118526210B
公开(公告)日:2024-12-13
申请号:CN202410596503.3
申请日:2024-05-14
Applicant: 华南理工大学
IPC: A61B5/372 , G06F18/10 , G06F18/213 , G06F18/2415 , G06N3/006
Abstract: 本发明涉及脑电信号识别的技术领域,公开了一种多维脑电信号识别方法,所述方法包括:采集不同位置的脑电信号,并向脑电信号中加入共振信息进行随机共振处理;构建脑电信号共振消除模型并利用训练数据集进行模型参数训练;采集待识别的原始脑电信号,利用训练得到的脑电信号共振消除模型对原始脑电信号进行共振消除;构建多通道脑电信号识别模型对共振消除后的原始脑电信号进行识别。本发明向所采集脑电信号加入共振信息,得到随机性增强的非稳定性脑电信号构成训练数据集,增强训练后模型对脑电信号进行共振消除的鲁棒性,结合信号的频域功率谱信息以及时域信息进行信号过滤,并结合特征分解信息以及邻近信号值信息提取方式进行信号识别。
-
公开(公告)号:CN119014856A
公开(公告)日:2024-11-26
申请号:CN202411313751.9
申请日:2024-09-20
Applicant: 华南理工大学
Abstract: 本发明公开了一种深度学习的新型足底压力与剪切力信号解耦测量方法,涉及足底受力及步态测量技术领域,包括以下步骤:步骤S1、制作传感器结构;步骤S2、集成多维度感知;步骤S3、进行压力和剪切力信号解析。本发明采用上述一种深度学习的新型足底压力与剪切力传感器及其信号解耦方法,实现了对足底压力和剪切力的高精度测量,显著提高了数据采集的多样性和准确性,为智能可穿戴设备提供了可靠的数据支持。
-
公开(公告)号:CN118526210A
公开(公告)日:2024-08-23
申请号:CN202410596503.3
申请日:2024-05-14
Applicant: 华南理工大学
IPC: A61B5/372 , G06F18/10 , G06F18/213 , G06F18/2415 , G06N3/006
Abstract: 本发明涉及脑电信号识别的技术领域,公开了一种多维脑电信号识别方法,所述方法包括:采集不同位置的脑电信号,并向脑电信号中加入共振信息进行随机共振处理;构建脑电信号共振消除模型并利用训练数据集进行模型参数训练;采集待识别的原始脑电信号,利用训练得到的脑电信号共振消除模型对原始脑电信号进行共振消除;构建多通道脑电信号识别模型对共振消除后的原始脑电信号进行识别。本发明向所采集脑电信号加入共振信息,得到随机性增强的非稳定性脑电信号构成训练数据集,增强训练后模型对脑电信号进行共振消除的鲁棒性,结合信号的频域功率谱信息以及时域信息进行信号过滤,并结合特征分解信息以及邻近信号值信息提取方式进行信号识别。
-
-