-
公开(公告)号：CN113288181B
公开(公告)日：2022-09-27
申请号：CN202110687040.8
申请日：2021-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于稳态视觉诱发电位脑电信号识别的个体模板重构方法。本发明首先采集大脑皮层枕区上对应电极通道的稳态视觉诱发电位脑电信号数据并预处理；构建人工正‑余弦参考信号，分别选择两种信号质量评价指标，和两种计算方式，计算各训练数据的权重系数，重构包含受试者个体信息的模板信号；分别对脑电信号、人工正‑余弦参考信号和个体模板信号两两之间进行典型相关分析，计算得到的空间滤波器映射到信号上可以得到多种特征；针对本数据集重新选择系数特征组合，与标准扩展典型相关分析相比，重构后的个体模板信号包含了更多的SSVEP响应，提升了算法的识别性能，降低了算法的计算消耗时间。
-
公开(公告)号：CN114343680B
公开(公告)日：2024-04-19
申请号：CN202111600196.4
申请日：2021-12-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种动态表面肌电信号(sEMG)实时分解方法。针对之前的方法没有考虑到识别许多错误瞬间对后续MU发射瞬间提取的影响，也没有研究精确提取发射瞬间的方法等种种限制。本发明采用预判和补漏结合的策略实时分解动态sEMG信号。本发明首先采用肌电采集设备采集受试者sEMG信号，进行预处理以及信道扩展；再使用KmCKC得到初始的MU信息：包括MU的放电时刻集合，权向量以及初始化的协方差逆矩阵；再通过设备不断采集sEMG信号，并将预判和补漏的策略相结合实时分解出MU。本发明与以往的方法相比大大提高了MU的分解产量，分解精度，并且在高噪声的环境下也能取得很好的分解结果，具有很强的鲁棒性。
-
公开(公告)号：CN115034296A
公开(公告)日：2022-09-09
申请号：CN202210620691.X
申请日：2022-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于域相似性脑电跨被试源域选择方法。针对现有技术的问题，提出的技术方案为：首先根据改进的MMD公式求出每一被试内的类间间距MMD(xi)并给出置信度；通过计算选择出的Copula函数Kendall秩相关系数并叠加前者的置信度，设置阈值选取大致1/3的源域作为迁移对象进行迁移学习；再通过对分布平衡进行自适应调节以平衡条件分布和边缘分布；最后更新目标域软标签最后返回分类器进行三分类输出分类准确度。本发明使用了源域选择提高了基于流形嵌入分布对齐的效率，最终使用适合迁移学习的源域进行学习，相比传统方法提高了准确度并极大降低了运算时间。
-
公开(公告)号：CN113288181A
公开(公告)日：2021-08-24
申请号：CN202110687040.8
申请日：2021-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于稳态视觉诱发电位脑电信号识别的个体模板重构方法。本发明首先采集大脑皮层枕区上对应电极通道的稳态视觉诱发电位脑电信号数据并预处理；构建人工正‑余弦参考信号，分别选择两种信号质量评价指标，和两种计算方式，计算各训练数据的权重系数，重构包含受试者个体信息的模板信号；分别对脑电信号、人工正‑余弦参考信号和个体模板信号两两之间进行典型相关分析，计算得到的空间滤波器映射到信号上可以得到多种特征；针对本数据集重新选择系数特征组合，与标准扩展典型相关分析相比，重构后的个体模板信号包含了更多的SSVEP响应，提升了算法的识别性能，降低了算法的计算消耗时间。
-
公开(公告)号：CN114137832A
公开(公告)日：2022-03-04
申请号：CN202111248265.X
申请日：2021-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明通过在经典因果分析方法传递熵的基础上，结合统计学中的Copula函数推广至高维形式的传递熵，并利用正则藤Copula函数来估计，提出一种有效的R‑Vine Copula多变量传递熵的新方法。首先，与已有算法在一系列模拟数据上进行比较，验证了该方法多变量因果分析性能。其次，将该方法应用在执行不同的腕部运动任务时的多通道肌电信号分析。在肌间耦合关系应用中发现，神经肌肉系统在执行不同的腕部运动任务时，如腕展、腕径向偏等，形成了两个与关节区域相联系且具有稳定因果耦合关系的社区结构。R‑Vine Copula多变量传递熵对复杂的因果耦合关系作出了准确推断，具有良好的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN114137832B
公开(公告)日：2024-03-29
申请号：CN202111248265.X
申请日：2021-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明通过在经典因果分析方法传递熵的基础上，结合统计学中的Copula函数推广至高维形式的传递熵，并利用正则藤Copula函数来估计，提出一种有效的R‑Vine Copula多变量传递熵的新方法。首先，与已有算法在一系列模拟数据上进行比较，验证了该方法多变量因果分析性能。其次，将该方法应用在执行不同的腕部运动任务时的多通道肌电信号分析。在肌间耦合关系应用中发现，神经肌肉系统在执行不同的腕部运动任务时，如腕展、腕径向偏等，形成了两个与关节区域相联系且具有稳定因果耦合关系的社区结构。R‑Vine Copula多变量传递熵对复杂的因果耦合关系作出了准确推断，具有良好的应用价值。
-
公开(公告)号：CN114305456A
公开(公告)日：2022-04-12
申请号：CN202111639377.8
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于稳态视觉诱发电位脑电信号的通道选择方法，包括如下步骤：S1、使用脑电采集设备采集稳态视觉诱发电位脑电信号并制作数据集；S2、将数据集中的脑电信号进行预处理；S3、针对预处理后的每组新脑电信号分别进行任务相关成分分析，得到各trial下对应通道的相关系数；S4、根据相关系数选取通道。通过空间滤波的方式抑制每个通道内的自发脑电活动，最大化通道内的任务相关成分；空间滤波后由计算得出的每个通道内对应的相关系数即可确定哪些通道可以更为明显地诱发出SSVEP响应；进而降低特征数据的维度，尽可能的减少通道数，简化了计算难度，提高系统效率和系统识别的性能，使得脑电信号识别系统更加普遍性。
-
公开(公告)号：CN114305456B
公开(公告)日：2024-05-03
申请号：CN202111639377.8
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于稳态视觉诱发电位脑电信号的通道选择方法，包括如下步骤：S1、使用脑电采集设备采集稳态视觉诱发电位脑电信号并制作数据集；S2、将数据集中的脑电信号进行预处理；S3、针对预处理后的每组新脑电信号分别进行任务相关成分分析，得到各trial下对应通道的相关系数；S4、根据相关系数选取通道。通过空间滤波的方式抑制每个通道内的自发脑电活动，最大化通道内的任务相关成分；空间滤波后由计算得出的每个通道内对应的相关系数即可确定哪些通道可以更为明显地诱发出SSVEP响应；进而降低特征数据的维度，尽可能的减少通道数，简化了计算难度，提高系统效率和系统识别的性能，使得脑电信号识别系统更加普遍性。
-
公开(公告)号：CN116010782A
公开(公告)日：2023-04-25
申请号：CN202211682883.X
申请日：2022-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双向回溯最大信息系数的脑肌耦合分析方法。本发明首先进行脑电和表面肌电信号的同步采集并进行预处理，其次用切比雪夫II型带通滤波器得到特定频段，再用双向回溯最大信息系数值对特定频段的脑肌电信号进行计算，最后进行不同特征频段上的双向脑肌耦合分析。本发明为探究运动功能控制机制提供有效的方法，具有良好的应用前景。
-
公开(公告)号：CN114343680A
公开(公告)日：2022-04-15
申请号：CN202111600196.4
申请日：2021-12-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种动态表面肌电信号(sEMG)实时分解方法。针对之前的方法没有考虑到识别许多错误瞬间对后续MU发射瞬间提取的影响，也没有研究精确提取发射瞬间的方法等种种限制。本发明采用预判和补漏结合的策略实时分解动态sEMG信号。本发明首先采用肌电采集设备采集受试者sEMG信号，进行预处理以及信道扩展；再使用KmCKC得到初始的MU信息：包括MU的放电时刻集合，权向量以及初始化的协方差逆矩阵；再通过设备不断采集sEMG信号，并将预判和补漏的策略相结合实时分解出MU。本发明与以往的方法相比大大提高了MU的分解产量，分解精度，并且在高噪声的环境下也能取得很好的分解结果，具有很强的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.023 seconds)
