-
公开(公告)号：CN114154543B
公开(公告)日：2023-04-28
申请号：CN202111473700.9
申请日：2021-11-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于因果特征的人体上肢运动神经行为辨识模型构建方法,包括以下步骤：S1.对人脑表皮和左右臂肱二头肌电生理信号进行同步采集，进行滤波去噪和裁剪后得到原始样本集合ΓN；S2.获得脑肌任务态样本集和S3.获得脑肌静息态样本集S4.分割样本组，计算各个样本组对应的绝对因果强度矩阵；S5.获取具备显著性差异的脑电通道，作为主要脑电通道；S6.获取训练样本，并形成训练样本集；S7.构建人体上肢运动神经行为辨识的分类器模型，利用训练样本集对分类器模型进行训练，得到能够进行上肢运动神经行为辨识的分类器模型。本发明能够得到辨识上肢运动神经行为的分类器模型，为基于因果特征的人体上肢运动神经行为辨识提供了支撑。
-
公开(公告)号：CN114154543A
公开(公告)日：2022-03-08
申请号：CN202111473700.9
申请日：2021-11-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于因果特征的人体上肢运动神经行为辨识模型构建方法,包括以下步骤：S1.对人脑表皮和左右臂肱二头肌电生理信号进行同步采集，进行滤波去噪和裁剪后得到原始样本集合ΓN；S2.获得脑肌任务态样本集和S3.获得脑肌静息态样本集S4.分割样本组，计算各个样本组对应的绝对因果强度矩阵；S5.获取具备显著性差异的脑电通道，作为主要脑电通道；S6.获取训练样本，并形成训练样本集；S7.构建人体上肢运动神经行为辨识的分类器模型，利用训练样本集对分类器模型进行训练，得到能够进行上肢运动神经行为辨识的分类器模型。本发明能够得到辨识上肢运动神经行为的分类器模型，为基于因果特征的人体上肢运动神经行为辨识提供了支撑。
-
公开(公告)号：CN112386227B
公开(公告)日：2021-07-02
申请号：CN202011239121.3
申请日：2020-11-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种多尺度时间序列生理信号的因果网络分析方法，包括以下步骤：S1.利用NA‑MEMD算法对待分析的生理信号u1,u2,...,um进行分解；S2.对于两个不同的生理信号ui,uj，进行因果分析，i＝1,2,...m,j＝1,2...,m,且i≠j，得到两个信号之间的因果关系；S3.对于u1,u2,...,um中任意两个信号，重复执行步骤S2，直至得到u1,u2,...,um中各个信号两两之间的因果关系，形成因果网络。本发明能够有效分析出生理信号的因果网络，为生理信号的应用提供了便利。
-
公开(公告)号：CN112386227A
公开(公告)日：2021-02-23
申请号：CN202011239121.3
申请日：2020-11-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种多尺度时间序列生理信号的因果网络分析方法，包括以下步骤：S1.利用NA‑MEMD算法对待分析的生理信号u1,u2,...,um进行分解；S2.对于两个不同的生理信号ui,uj，进行因果分析，i＝1,2,...m,j＝1,2...,m,且i≠j，得到两个信号之间的因果关系；S3.对于u1,u2,...,um中任意两个信号，重复执行步骤S2，直至得到u1,u2,...,um中各个信号两两之间的因果关系，形成因果网络。本发明能够有效分析出生理信号的因果网络，为生理信号的应用提供了便利。
-
-
-
Search Results
4
records
(took 0.017 seconds)
