公开(公告)号：CN111563581A

公开(公告)日：2020-08-21

申请号：CN202010460960.1

申请日：2020-05-27

Applicant: 杭州电子科技大学

Inventor： 王胡英 ,  彭丽娟 ,  陈谢冰 ,  丁浙柯 ,  袁长敏 ,  孙紫阳 ,  席旭刚

IPC: G06N3/06 ,  A61B5/00 ,  A61B5/04 ,  A61B5/0476 ,  A61B5/0488

Abstract: 本发明涉及一种基于小波相干的脑肌功能网络构建方法。在人体运动过程中，大脑皮层通过脊髓和周围神经控制肌肉组织的运动，使得肢体可以完成一定的运动功能，而肢体的运动又可以通过传入神经反馈给大脑皮层。脑肌电功能耦合可以从生理上反映皮层与肌肉之间的关系。为了更好的探索人体行为感知，应用脑电与肌电信号研究运动过程中不同通道信号之间的脑肌功能耦合强度，并以此作为复杂网络加权边的值，构建脑肌功能网络。将两两信号之间的小波相干值作为脑肌功能耦合强度，同时为了增大不同动作网络模型的差异，应用阈值法和固定加权边法简化网络模型。实验结果证明，构建的脑肌功能网络具有小世界特性，应用网络特征，可对人体行为动作进行识别。

公开(公告)号：CN111709314B

公开(公告)日：2023-08-22

申请号：CN202010461641.2

申请日：2020-05-27

Applicant: 杭州电子科技大学

Inventor： 陈谢冰 ,  章燕 ,  丁浙柯 ,  席旭刚 ,  杨文伟 ,  张启忠

IPC: G06F18/213 ,  G06F18/24

Abstract: 本发明公开了一种基于面部表面肌电的情感分布识别方法；目前基于生理信号的人脸情感识别的研究主要集中在单一的基本情感上。因此，提出了基于面部表面肌电信号的标记分布学习来预测情感分布。本方法采集了降眉肌、颧大肌、额头和降口角肌的sEMG，从中提取6个特征，利用主成分分析选出对特征集进行降维。LDL的核心思想是学习到从PCA选择的特征到人脸情感分布的映射关系，这种映射关系能够反映一个面部表情是由不同强度的基本情感混合而成。将LDL的性能与多标记学习进行了比较，结果表明，本方法能更准确地预测面部情感分布。

公开(公告)号：CN111563581B

公开(公告)日：2023-08-18

申请号：CN202010460960.1

申请日：2020-05-27

Applicant: 杭州电子科技大学

Inventor： 王胡英 ,  彭丽娟 ,  陈谢冰 ,  丁浙柯 ,  袁长敏 ,  孙紫阳 ,  席旭刚

IPC: G06N3/06 ,  A61B5/00 ,  A61B5/24 ,  A61B5/369 ,  A61B5/389

Abstract: 本发明涉及一种基于小波相干的脑肌功能网络构建方法。在人体运动过程中，大脑皮层通过脊髓和周围神经控制肌肉组织的运动，使得肢体可以完成一定的运动功能，而肢体的运动又可以通过传入神经反馈给大脑皮层。脑肌电功能耦合可以从生理上反映皮层与肌肉之间的关系。为了更好的探索人体行为感知，应用脑电与肌电信号研究运动过程中不同通道信号之间的脑肌功能耦合强度，并以此作为复杂网络加权边的值，构建脑肌功能网络。将两两信号之间的小波相干值作为脑肌功能耦合强度，同时为了增大不同动作网络模型的差异，应用阈值法和固定加权边法简化网络模型。实验结果证明，构建的脑肌功能网络具有小世界特性，应用网络特征，可对人体行为动作进行识别。

公开(公告)号：CN111709314A

公开(公告)日：2020-09-25

申请号：CN202010461641.2

申请日：2020-05-27

Applicant: 杭州电子科技大学

Inventor： 陈谢冰 ,  章燕 ,  丁浙柯 ,  席旭刚 ,  杨文伟 ,  张启忠

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于面部表面肌电的情感分布识别方法；目前基于生理信号的人脸情感识别的研究主要集中在单一的基本情感上。因此，提出了基于面部表面肌电信号的标记分布学习来预测情感分布。本方法采集了降眉肌、颧大肌、额头和降口角肌的sEMG，从中提取6个特征，利用主成分分析选出对特征集进行降维。LDL的核心思想是学习到从PCA选择的特征到人脸情感分布的映射关系，这种映射关系能够反映一个面部表情是由不同强度的基本情感混合而成。将LDL的性能与多标记学习进行了比较，结果表明，本方法能更准确地预测面部情感分布。

公开(公告)号：CN111657939A

公开(公告)日：2020-09-15

申请号：CN202010460926.4

申请日：2020-05-27

Applicant: 杭州电子科技大学

Inventor： 郝奇奇 ,  丁浙柯 ,  陈谢冰 ,  席旭刚 ,  王俊宏 ,  马骏驰 ,  杨康波

IPC: A61B5/0488 ,  A61B5/00

Abstract: 本发明提出了一种基于肌电信号GA-Elman的上肢关节角度估计方法。首先从相关肌肉组上采集相应的表面肌电信号，然后应用小波去噪对信号进行去噪。通过小波包变换提取出32-375Hz四个子空间波段的信号，这个波段内的信号特征可以滤除高频噪声和不必要的低频信息。然后计算这四个子空间的小波包能量熵，这个方法很好的去除了肌电信号中的冗余信息。该方法简单，计算速度快。后将提取到的特征和肩关节角度肘角节角度同时输入两个GA-Elman神经网络，实现肌电信号的上肢肩关节和肘关节同步连续运动的关节角估计。实验结果表明，该方法的估计结果优于其它分类方法。