-
公开(公告)号：CN110738093B
公开(公告)日：2022-07-01
申请号：CN201910759157.5
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于改进小世界回声状态网络肌电的分类方法，首先，利用小世界网络来改善ESN的储备池结构，再利用加边概率改进小世界网络，称该网络为改进小世界回声状态网络，这既提高了储备池的适应性，又提高了ESN的泛化能力和稳定性。然后，通过训练网络可以得到网络的输出权重，并以此为相应的特征。采集跌倒、走、坐、蹲、上楼、下楼这六种动作的肌电信号，利用ISWLESN提取相应的特征，再利用PCV降低特征维数。最后，利用散点图、类可分性指标和DBI来表征网络特征的性能。结果表明，ISWLESN有很好的聚类性能，用于支持向量机分类也有很高的精度。
-
公开(公告)号：CN109948640A
公开(公告)日：2019-06-28
申请号：CN201811603034.4
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: G06K9/62 , A61B5/0488
Abstract: 本发明公开了一种基于双参数核优化型极限学习机的肌电识别方法，本发明首先提取了4路肌电信号并提取了相应的平均幅值，方差，威尔逊振幅，小波能量系数，然后把这些特征进行融合，最后把融合后的特征输送到双参数优化型极限学习机。双参数优化型极限学习机在极限学习机的基础上，引入了高斯核函数，通过对输出权重矩阵的最小化来设置优化各个参数，构建神经网络结构，并将极限学习机最小化输出误差的问题转变为最小化输出权重的问题。该方法具有比传统极限学习机更为强大的函数逼近能力，同时处理非线性分类的能力也更强，相比于其他常见分类器算法也有更高的准确率和更少的运算时间。
-
公开(公告)号：CN110464517B
公开(公告)日：2021-09-07
申请号：CN201910759180.4
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于小波加权排列熵的肌电信号识别方法。首先，从人体上肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段，利用小波变换对动作信号段的表面肌电信号进行四层分解得到各频率段小波子带，并对各小波子带求取加权排列熵。然后对所求得的加权排列熵进行组合，选取最佳的小波子带特征组合作为组合特征集。最后将各小波子带的组合特征集作为特征向量输入到支持向量机分类器，实现肌电信号的手部多运动模式识别。实验结果表明，该方法用于手部多动作识别获得了较高的分类精度，具有更好的识别效果。该方法可以有效地应用于复杂日常手部运动的模式识别，有助于提高肌电假手的灵活性，使其更好地用于生活。
-
公开(公告)号：CN109498009A
公开(公告)日：2019-03-22
申请号：CN201811606406.9
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/11 , A61B5/00
Abstract: 本发明公开了一种基于特征类可分性指标的人体日常行为肌电特征选择方法。首先，采集了人体下肢活动中四路表面肌电信号，然后计算了10种提取每路肌电信号的10个肌电特征形成肌电特征池，对静态动作、步态动作、静态转换动作的三大类分别计算10个肌电信号特征各自的特征类可分性指标，从肌电特征池中选择特征类可分性指标高于0.6的肌电特征组成静态动作肌电特征组，特征类可分性指标高于0.5的肌电特征组成步态动作肌电特征组，特征类可分性指标高于0.2的肌电特征组成静态转换动作肌电特征组。根据特征类可分性指标可以最大限度的利用各个特征，不会造成特征信息的浪费或冗余，大大降低了算法的复杂度，使分类效果更好。
-
公开(公告)号：CN110464343A
公开(公告)日：2019-11-19
申请号：CN201910758670.2
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00
Abstract: 本发明涉及一种基于自主手部动作的增强型脑肌相干方法。首先，在手部自主动作过程中同步采集对应上肢EMG信号和皮层EEG信号并去噪，然后基于EMG信号的突发脉冲点对同步的EEG信号进行采样，接着用窗函数对采样的EEG信号进行移动平均处理，并再次基于EMG突发脉冲点对EEG采样，再重新组装以得到能够更好地反映肌肉运动的EEG信号。最后，使用幅度平方相干来计算上述预处理过后EEG-EMG相干估计值，分析Beta和Gamma频段中同手部自主运动的相干性，以验证该方法的可靠性。该方法的相干分析的结果不仅可以正确反映皮层和肌肉之间的耦合关系，而且可以更清晰表明在不同的手部自主运动下的EEG-EMG相干特性。
-
Patent Agency Ranking
公开(公告)号：CN109558911A
公开(公告)日：2019-04-02
申请号：CN201811606327.8
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明提出一种基于遗传算法广义典型相关分析的肌电信号特征融合方法。获取人体做日常行为动作时四路肌电信号的平均幅值，威尔逊振幅，模糊熵，小波能量系数，由4路肌电信号各4各特征组成16维特征向量。提取16维标准样本特征向量X、训练样本特征向量Y。分别计算X,Y的类内离散度矩阵和类间离散矩阵，最后求得使广义典型相关判别准则最大的广义正则投影向量。对GCPV择优选取，得到新的GCPV将原特征投影到新空间，成为结合遗传算法的GCCA(GA-GCCA)；将原特征通过新得到的GCPV投影到新平面上，获得最终融合的肌电信号特征向量S。本发明有效地减小了维数，并在改善单调性的同时动态地选择了最佳特征向量。
-
公开(公告)号：CN110781751A
公开(公告)日：2020-02-11
申请号：CN201910923329.8
申请日：2019-09-27
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于跨连型卷积神经网络的情感脑电信号分类方法，本发明首先利用V3的第一层卷积层提取脑电信号底层特征，并将其作为V1的输入，同时被第二层池化层下采样后输入给第三层卷积层提取中层特征。中层特征将作为V2的输入，并且被V3的第四层池化层下采样后输入给V3的第五层卷积层提取高层特征。接着，三层特征分别降维后一起输入到V3的第八层全连接层中融合，最后进入Softmax层进行分类。比较分类结果与实际标签，计算损失值，然后利用反向传播算法更新卷积核和连接权重。本发明可较高的脑电信号分类准确率，识别结果优于传统机器学习方法和传统CNN模型。
-
公开(公告)号：CN110738093A
公开(公告)日：2020-01-31
申请号：CN201910759157.5
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/0488
Abstract: 本发明公开了基于改进小世界回声状态网络肌电的分类方法，首先，利用小世界网络来改善ESN的储备池结构，再利用加边概率改进小世界网络，称该网络为改进小世界回声状态网络，这既提高了储备池的适应性，又提高了ESN的泛化能力和稳定性。然后，通过训练网络可以得到网络的输出权重，并以此为相应的特征。采集跌倒、走、坐、蹲、上楼、下楼这六种动作的肌电信号，利用ISWLESN提取相应的特征，再利用PCV降低特征维数。最后，利用散点图、类可分性指标和DBI来表征网络特征的性能。结果表明，ISWLESN有很好的聚类性能，用于支持向量机分类也有很高的精度。
-
公开(公告)号：CN110464517A
公开(公告)日：2019-11-19
申请号：CN201910759180.4
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于小波加权排列熵的肌电信号识别方法。首先，从人体上肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段，利用小波变换对动作信号段的表面肌电信号进行四层分解得到各频率段小波子带，并对各小波子带求取加权排列熵。然后对所求得的加权排列熵进行组合，选取最佳的小波子带特征组合作为组合特征集。最后将各小波子带的组合特征集作为特征向量输入到支持向量机分类器，实现肌电信号的手部多运动模式识别。实验结果表明，该方法用于手部多动作识别获得了较高的分类精度，具有更好的识别效果。该方法可以有效地应用于复杂日常手部运动的模式识别，有助于提高肌电假手的灵活性，使其更好地用于生活。
-
公开(公告)号：CN110226932A
公开(公告)日：2019-09-13
申请号：CN201811606326.3
申请日：2018-12-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种人体日常行为动作的足底压力特征提取方法。本发明通过压力鞋垫采集第一跖骨、第二跖骨和脚跟区域各自的压力信号，计算压力比，总压力比，将各传感器的压力及总压力归一化，提取足底压力的第一特征子矢量和第二特征子矢量。根据在人体的各种运动模式下，足底压力传感器的当前值都与过去值相关，构建足底压力信号的AR模型，求得模型系数。通过实验对不同日常行为动作进行足底AR模型的AIC计算，综合AIC的值和维数，提出权衡可信度，使权衡的可信度最高所对应的阶数即为最合适阶数。把足底压力传感器的AR模型系数构建为第三特征矢量。本发明通过AIC准则和权衡可信度来确定足底压力AR模型的阶数，有很好的效果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.022 seconds)
