-
公开(公告)号:CN110428043B
公开(公告)日:2021-05-07
申请号:CN201910622679.0
申请日:2019-07-11
Applicant: 燕山大学
Abstract: 本发明公开了一种基于粒子群算法的神经元群模型参数自适应优化方法,其步骤包括:S1:初始化粒子群,设置粒子群算法基本参数,设置每个粒子的参数组合搜索范围,设置神经元群模型基本参数;S2:计算初始粒子群中每个粒子的适应度值,根据粒子适应度值初始化粒子个体极值和全局极值;S3:更新粒子速度和位置;S4:计算新的粒子适应度值,更新粒子个体极值和全局极值;S5:判断是否满足最大迭代次数,是则输出全局最优粒子,否则返回步骤S3;步骤S6:根据步骤S5输出的全局最优粒子,获得脑电频段的最优参数组合。本发明提供了一种便捷高效的神经元群模型参数调节方法,增加了参数辨识准确性,缩短了调节时间。
-
公开(公告)号:CN111067514B
公开(公告)日:2021-05-28
申请号:CN202010018077.7
申请日:2020-01-08
Applicant: 燕山大学
Abstract: 本发明涉及一种基于多尺度多变量传递熵的多通道脑电耦合分析方法,属于非线性动力学因果系统及大脑感觉运动网络研究的技术领域,其包括以下步骤:一、采用32通道的Neuracle设备采集多通道脑电信号;二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理;三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解;四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性,定量刻画不同脑区间非线性耦合和信息传递特征。本发明具有能够描述大脑运动感觉皮层间的非线性特征,并深入探索大脑不同区域间的耦合强度及信息传递的效果。
-
公开(公告)号:CN109893403A
公开(公告)日:2019-06-18
申请号:CN201910322555.0
申请日:2019-04-22
Applicant: 燕山大学
IPC: A61H1/02
Abstract: 本发明公开了一种绳驱动手部训练装置。手部训练装置包括:掌托、底板、5个滑道、绳索滑块、传动绳、指环和步进电机。滑道固定在底板上,相邻滑道之间具有一定夹角,滑道与底板具有一定夹角。绳索滑块设于滑道上,每一滑道对应设置一指环和一电机。掌托上设有掌托导线环,底板上设有底板导线环。传动绳穿过底板导线环、掌托导线环、指环、绳索滑块和滑道后,绕在步进电机上。采用本发明的训练装置能够针对手部这样灵巧的小关节进行训练。
-
公开(公告)号:CN111067514A
公开(公告)日:2020-04-28
申请号:CN202010018077.7
申请日:2020-01-08
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明涉及一种基于多尺度多变量传递熵的多通道脑电耦合分析方法,属于非线性动力学因果系统及大脑感觉运动网络研究的技术领域,其包括以下步骤:一、采用32通道的Neuracle设备采集多通道脑电信号;二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理;三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解;四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性,定量刻画不同脑区间非线性耦合和信息传递特征。本发明具有能够描述大脑运动感觉皮层间的非线性特征,并深入探索大脑不同区域间的耦合强度及信息传递的效果。
-
公开(公告)号:CN110428043A
公开(公告)日:2019-11-08
申请号:CN201910622679.0
申请日:2019-07-11
Applicant: 燕山大学
Abstract: 本发明公开了一种基于粒子群算法的神经元群模型参数自适应优化方法,其步骤包括:S1:初始化粒子群,设置粒子群算法基本参数,设置每个粒子的参数组合搜索范围,设置神经元群模型基本参数;S2:计算初始粒子群中每个粒子的适应度值,根据粒子适应度值初始化粒子个体极值和全局极值;S3:更新粒子速度和位置;S4:计算新的粒子适应度值,更新粒子个体极值和全局极值;S5:判断是否满足最大迭代次数,是则输出全局最优粒子,否则返回步骤S3;步骤S6:根据步骤S5输出的全局最优粒子,获得脑电频段的最优参数组合。本发明提供了一种便捷高效的神经元群模型参数调节方法,增加了参数辨识准确性,缩短了调节时间。
-
公开(公告)号:CN109924976A
公开(公告)日:2019-06-25
申请号:CN201910352944.8
申请日:2019-04-29
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/0488 , A61N7/00
Abstract: 本发明公开了小鼠经颅超声刺激及脑肌电信号同步采集系统,涉及经颅超声刺激研究及信号同步采集领域。本发明包括经颅超声刺激模块,脉冲经颅超声信号发生模块,脑肌电信号采集处理模块,电源。本发明装置具有信号采集稳定、扩展存储能力强、便携小巧、易操作等一系列优点,能够有效适应于多样本的经颅超声刺激实验中,小鼠清醒且可自由活动的的脑肌电信号实时同步采集。并且扩展了存储模块,避免长时间使用数据的存储量过大和无线传输数据的失真等问题。便于后续对经颅超声刺激的脑肌电信号的离线处理,为未来经颅超声刺激的机制研究和作为神经调控技术的临床应用提供技术支持。
-
公开(公告)号:CN110991406B
公开(公告)日:2023-04-18
申请号:CN201911317967.1
申请日:2019-12-19
Applicant: 燕山大学
IPC: G06F18/10 , A61B5/372 , G06F18/2135 , G06F18/24 , G06F18/2411 , G06F18/213
Abstract: 本发明涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。该方法包括:获取待检测图像;将待检测图像进行分割和放大,得到待检测图片序列;获取观测者观测待检测图片序列的脑电信号数据;待检测图片序列通过RSVP技术呈现给观测者;采用任务相关成分分析方法,提取脑电信号数据中每个待检测图片对应的相关成分特征;根据相关成分特征,基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型,得到每个待检测图片的预测分值;判断预测分值是否大于预测阈值;如果是,将预测分值对应的待检测图片确定为目标图像;如果否,将预测分值对应的待检测图片确定为非目标图像。本发明可以提高弱小目标检测的准确度。
-
公开(公告)号:CN109304860B
公开(公告)日:2020-07-28
申请号:CN201811057208.1
申请日:2018-09-11
Applicant: 燕山大学
IPC: B29C64/106 , B29C64/209 , B29C64/232 , B29C64/241 , B33Y30/00
Abstract: 本发明公开了一种基于圆柱坐标系的3D打印机,包括环形模块,喷头模块,升降模块,主体框架和打印机外罩;所述环形模块通过直线轴承与所述主体框架的支撑柱滑动配合,所述环形模块通过升降提架与所述升降模块固连,所述升降模块通过固定在顶盖上的升降驱动电机与主体框架固连;在圆柱坐标系下,所述喷头模块需要进行周向旋转运动、径向直线运动和轴向升降运动,其中周向旋转运动由所述环形模块的旋转驱动滑块驱动完成,径向直线运动由所述环形模块的径向主动模块和径向从动模块配合驱动完成,轴向升降运动由所述升降模块驱动完成。本发明3D打印机具有结构紧凑,设计合理的特点,体积小、打印范围相对较大,稳定性和打印精度较高。
-
公开(公告)号:CN110991406A
公开(公告)日:2020-04-10
申请号:CN201911317967.1
申请日:2019-12-19
Applicant: 燕山大学
IPC: G06K9/00 , G06K9/62 , A61B5/0476
Abstract: 本发明涉及一种基于RSVP脑电特征的弱小目标检测方法及系统。该方法包括:获取待检测图像;将待检测图像进行分割和放大,得到待检测图片序列;获取观测者观测待检测图片序列的脑电信号数据;待检测图片序列通过RSVP技术呈现给观测者;采用任务相关成分分析方法,提取脑电信号数据中每个待检测图片对应的相关成分特征;根据相关成分特征,基于逐级优化递减欠采样和边界人工少数类过采样结合的支持向量机模型,得到每个待检测图片的预测分值;判断预测分值是否大于预测阈值;如果是,将预测分值对应的待检测图片确定为目标图像;如果否,将预测分值对应的待检测图片确定为非目标图像。本发明可以提高弱小目标检测的准确度。
-
公开(公告)号:CN109893403B
公开(公告)日:2020-04-07
申请号:CN201910322555.0
申请日:2019-04-22
Applicant: 燕山大学
IPC: A61H1/02
Abstract: 本发明公开了一种绳驱动手部训练装置。手部训练装置包括:掌托、底板、5个滑道、绳索滑块、传动绳、指环和步进电机。滑道固定在底板上,相邻滑道之间具有一定夹角,滑道与底板具有一定夹角。绳索滑块设于滑道上,每一滑道对应设置一指环和一电机。掌托上设有掌托导线环,底板上设有底板导线环。传动绳穿过底板导线环、掌托导线环、指环、绳索滑块和滑道后,绕在步进电机上。采用本发明的训练装置能够针对手部这样灵巧的小关节进行训练。
-
-
-
-
-
-
-
-
-