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：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

Inventor： 席旭刚 ,  姜文俊 ,  石鹏 ,  杨晨 ,  袁长敏 ,  章燕 ,  汤敏彦 ,  佘青山 ,  罗志增

IPC: A61B5/103 ,  A61B5/11 ,  A61B5/00

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。

公开(公告)号：CN109800792A

公开(公告)日：2019-05-24

申请号：CN201811606346.0

申请日：2018-12-26

Applicant: 杭州电子科技大学

Inventor： 席旭刚 ,  汤敏彦 ,  姜文俊 ,  石鹏 ,  袁长敏 ,  杨晨 ,  章燕 ,  佘青山 ,  罗志增

IPC: G06K9/62 ,  G06K9/00

Abstract: 本发明公开了一种基于模糊C均值和DBI的肌电信号特征选择方法，本发明首先采集人体做日常行为动作时4路肌电信号，然后提取原始信号的平均幅值，方差，威尔逊振幅，自回归系数，中位频率，平均功率频率，小波能量系数，小波包能量系数，模糊熵，排列熵共10个肌电特征形成肌电特征池，再用模糊C均值对这些特征进行划分，把n个向量分为c个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小。最后，计算划分后的DBI值，选择DBI最小的4个特征作为适合识别日常行为动作的特征。基于模糊C均值和DBI的肌电信号特征选择方法，可以选择有效的合理的肌电特征值。

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

Inventor： 席旭刚 ,  姜文俊 ,  汤敏彦 ,  石鹏 ,  袁长敏 ,  杨晨 ,  章燕 ,  佘青山 ,  罗志增

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：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

Inventor： 席旭刚 ,  汤敏彦 ,  姜文俊 ,  石鹏 ,  袁长敏 ,  章燕 ,  杨晨 ,  佘青山 ,  罗志增

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。