-
Patent Agency Ranking
公开(公告)号：CN114387668B
公开(公告)日：2024-02-27
申请号：CN202111674185.0
申请日：2021-12-28
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/213 , G06F18/25 , G06F18/2134 , G06F18/23
Abstract: 本发明涉及一种基于多层次神经肌肉耦合特征信息融合的分类方法，包括：多通道脑肌电信号的同步采集；预处理；多层次神经肌肉耦合特征提取；基于典型相关分析的特征融合和基于流形多类核最小平方误差的特征分类，分别提取脑‑脑、脑‑肌、肌‑肌耦合特征、传统脑肌电信号特征，对提取的特征信息进行特征融合，然后采用基于流形多类核最小平方误差算法训练分类器并对不同的动作进行分类。该方法克服了传统的基于生物电信号的动作识别方法中未全面考虑脑‑脑、肌‑肌、脑‑肌、脑肌电信号协作进行运动控制的缺点，在基于生物电信号的动作识别中具有良好的应用前景。
-
公开(公告)号：CN114159081A
公开(公告)日：2022-03-11
申请号：CN202111522190.X
申请日：2021-12-13
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于时变混合Copula互信息的肌电耦合方法，包括多通道表面肌电信号同步采集、肌电信号预处理、经验分布函数估计边际分布、构建时变混合Copula模型、采用期望最大化‑拟牛顿方法估计时变混合Copula模型的参数模型拟合优度检验、计算时变混合Copula互信息，得到基于时变混合Copula互信息计算得到肌间的耦合强度。本发明提出的时变混合Copula互信息提供了一种更为先进的理论指导方法，可以准确描述肌间耦合特性，探究人体的运动机制，在肌间耦合中具有良好的应用前景。
-
公开(公告)号：CN114387668A
公开(公告)日：2022-04-22
申请号：CN202111674185.0
申请日：2021-12-28
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多层次神经肌肉耦合特征信息融合的分类方法，包括：多通道脑肌电信号的同步采集；预处理；多层次神经肌肉耦合特征提取；基于典型相关分析的特征融合和基于流形多类核最小平方误差的特征分类，分别提取脑‑脑、脑‑肌、肌‑肌耦合特征、传统脑肌电信号特征，对提取的特征信息进行特征融合，然后采用基于流形多类核最小平方误差算法训练分类器并对不同的动作进行分类。该方法克服了传统的基于生物电信号的动作识别方法中未全面考虑脑‑脑、肌‑肌、脑‑肌、脑肌电信号协作进行运动控制的缺点，在基于生物电信号的动作识别中具有良好的应用前景。
-
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：CN114041807A
公开(公告)日：2022-02-15
申请号：CN202111560361.8
申请日：2021-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于小波包‑Copula传递熵的肌间耦合分析方法。本发明首先进行多通道肌电信号的同步采集与预处理，其次用小波包分解方法对肌电信号进行分解，再对分解得到的肌电信号进行Copula传递熵的计算，最后定量分析了上肢运动中相关肌肉在不同特征频段上的肌间双向耦合特性。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。
-
-
-
-
Search Results
5
records
(took 0.017 seconds)
