-
公开(公告)号：CN103345641A
公开(公告)日：2013-10-09
申请号：CN201310300098.8
申请日：2013-07-16
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明提出了一种基于小波包熵和支持向量机的手部肌电信号动作识别方法。本发明先对表面肌电信号进行小波包分解，提取各节点的小波包系数矩阵，由各子带能量计算出小波包熵。以肌电信号的小波包熵为特征构建特征向量输入支持向量机分类器，并以固定间隔逐步增加参数的值，来搜索使模式识别率最高的SVM分类器参数值，对手部的多个动作进行分类。小波包变换是一种分析非平稳特性信号的有效方法且小波包变换在不同时频段均能精确刻画信号，提供丰富模式信息的特点，把三路sEMG信号提取的特征向量输入支持向量机，能有效识别出伸腕、屈腕、展拳、握拳、外旋、内旋6种动作模式，得到了比传统神经网络更高的识别率。
-
公开(公告)号：CN102961203A
公开(公告)日：2013-03-13
申请号：CN201210527013.5
申请日：2012-12-10
Applicant: 杭州电子科技大学
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。
-
Patent Agency Ranking
公开(公告)号：CN103610466A
公开(公告)日：2014-03-05
申请号：CN201310492522.3
申请日：2013-10-17
Applicant: 杭州电子科技大学
IPC: A61B5/11 , A61B5/0488
Abstract: 本发明提出了一种基于EMD排列组合熵的肌电信号跌倒识别方法。本发明首先从相关肌肉组上采集相应的表面肌电信号，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肌电信号，求取排列组合熵作为特征向量输入主轴核聚类分类器，完成对跌倒模式的识别，为跌倒的识别开辟了一个新思路。本发明运用频率有效度的方法选取经验模态分解的若干IMF分量作为肌电信号要好于原肌电信号，EMD排列组合熵的方法要好于直接排列组合熵方法、EMD近似熵方法和近似熵方法。根据特征分布的特点，采用主轴核聚类分类器的效果也更为理想。
-
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
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
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：CN103617411B
公开(公告)日：2016-09-07
申请号：CN201310488878.X
申请日：2013-10-17
Applicant: 杭州电子科技大学
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：CN102968641A
公开(公告)日：2013-03-13
申请号：CN201210429728.7
申请日：2012-10-31
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于球均值李雅普诺夫（Lyapunov）指数和关联维的肌电信号识别方法。本发明首先从相关肌肉组上采集相应的表面肌电信号，然后提取肌电信号的球均值Lyapunov指数和关联维作为特征向量，最后以球均值Lyapunov指数和关联维为特征向量输入由对支持向量机所构造的二叉树结构的分类器，实现肌电信号的上肢多运动模式识别。本发明以Lyapunov指数与关联维数作为支持向量机的输入，完成对手部动作运动模式的识别，组合特征的分类结果要好于单个特征的分类结果，多类分类器单元采用对支持向量机（TSVM）时具有比采用传统SVM时有更高的识别率。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
