-
公开(公告)号：CN108573207A
公开(公告)日：2018-09-25
申请号：CN201711402734.2
申请日：2017-12-22
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了EMD和CSP融合最优波长空间滤波脑电特征提取方法，该方法对预处理后的信号进行经验模式(EMD)分解，得到固有模态函数(Intrinsic Mode Functions,IMFs)，观察并计算每个IMF分量的能量谱，筛选有效的IMF频段(5-28Hz)，组成新的信号矩阵，对其进行最优波长计算，再使用CSP滤波器进行滤波获取特征，最后使用支持向量机(Support Vector Machine,SVM)进行分类。分类结果得到9位受试的想象运动平均分类正确率为95％以上，保证了本发明的可行性与有效性。
-
公开(公告)号：CN108095722B
公开(公告)日：2021-05-28
申请号：CN201810093526.7
申请日：2018-01-31
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
Abstract: 本发明公开了一种基于脑电信号的改进EEMD算法，该方法首先基于脑电信号的先验知识，选取μ节律频段(8‑12Hz)和β节律频段(18‑26Hz)分别设计两个带通滤波器；利用上述带通滤波器对全带高斯白噪声进行滤波处理，得到两个带限高斯白噪声；最后在原始脑电信号中加入上述带限高斯白噪声w(t)，进行经验模式分解。应用本发明算法对脑电信号进行分解，得到了频率相对集中的固有模态函数信号，各个频段的固有模态函数得以区分，大大抑制了由于经验模式分解所带来的模态混叠问题。
-
公开(公告)号：CN108280464A
公开(公告)日：2018-07-13
申请号：CN201711403297.6
申请日：2017-12-22
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: G06K9/62 , A61B5/0476
Abstract: 本发明公开了DWT和EMD融合近似熵的脑电特征提取方法，该方法对预处理后的信号进行小波分解(DWT)，得到各个子带信号，选择频带合适的子带进行经验模式(EMD)分解，得到固有模态函数(Intrinsic Mode Functions,IMFs)，观察并计算每个IMF分量的能量谱，筛选有效的IMF频段(5-28Hz)，组成新的信号矩阵，对其进行近似熵计算，最后使用支持向量机(Support Vector Machine,SVM)进行分类。分类结果得到9位受试的想象运动平均分类正确率为90％以上，保证了该方法的可行性与有效性。
-
公开(公告)号：CN108095722A
公开(公告)日：2018-06-01
申请号：CN201810093526.7
申请日：2018-01-31
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: A61B5/0476 , A61B5/00 , G06K9/00
Abstract: 本发明公开了一种基于脑电信号的改进EEMD算法，该方法首先基于脑电信号的先验知识，选取μ节律频段(8‑12Hz)和β节律频段(18‑26Hz)分别设计两个带通滤波器；利用上述带通滤波器对全带高斯白噪声进行滤波处理，得到两个带限高斯白噪声；最后在原始脑电信号中加入上述带限高斯白噪声w(t)，进行经验模式分解。应用本发明算法对脑电信号进行分解，得到了频率相对集中的固有模态函数信号，各个频段的固有模态函数得以区分，大大抑制了由于经验模式分解所带来的模态混叠问题。
-
公开(公告)号：CN108042132A
公开(公告)日：2018-05-18
申请号：CN201711441431.1
申请日：2017-12-27
Applicant: 南京邮电大学 , 南京邮电大学南通研究院有限公司
IPC: A61B5/0476
CPC classification number: A61B5/0476 , A61B5/7235 , A61B5/7253 , A61B5/7264
Abstract: 本发明公开了一种基于DWT和EMD融合CSP的脑电特征提取方法，包括：将获取的脑电信号作为训练集和测试集，分别对训练集和测试集中所选取通道内的脑电信号进行预处理；对训练集中预处理后的脑电信号进行小波分解,得到小波变换后的子带信号，及选取在设定频率范围内的子带信号；对所选取的子带信号进行经验模式分解得到固有模态函数，以获得重构信号；将子带信号中的IMF分量合并构成矩阵，及对矩阵进行公共空间模式分解获得空间滤波器，经空间滤波器获得特征向量；对特征向量利用支持向量机进行特征分类训练，将预处理后的测试集输入训练好的支持向量机特征分类，获得特征分类结果。本发明可以可以有效解决CSP多输入、缺频域信息的问题。
-
Patent Agency Ranking
公开(公告)号：CN110956192A
公开(公告)日：2020-04-03
申请号：CN201910259938.8
申请日：2019-04-02
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明公开了一种非重构压缩感知生理数据的分类方法及装置，通过设计的生理信号的行阶梯观测矩阵对生理信号进行压缩感知，并使用MFCC、GFCC、PNCC提取压缩感知后的心音信号观测序列的信号特征，对提取的信号特征进行融合，使用多类支持向量机对进行融合后的特征向量进行分类，获取生理数据的分类结果，并对无法确定的信号进行重构任何再次进行分类，最后对分类结果进行存储；本发明提供的非重构压缩感知生理数据的分类方法及装置，具有分类方法简单、分类正确率高的特点。
-
公开(公告)号：CN110059731A
公开(公告)日：2019-07-26
申请号：CN201910240404.0
申请日：2019-03-27
Applicant: 南京邮电大学
IPC: G06K9/62
Abstract: 本发明揭示了一种基于加权K-阶传播数的节点重要性评价方法，设计出一种通过考虑网络全局特性来对某一节点重要性进行度量的模型，具体包括以下步骤：以网络的邻接矩阵作为输入；计算不同K值下的K-阶传播数，对不同K值下的K-阶传播数进行加权求和，得到各节点的最终传播数Q，以Q的大小来衡量各节点的相对重要性。本发明基于网络拓扑结构对疾病传播过程进行了抽象，分别设置网络中的各个节点为传染源，在经历传播时长K后，将网络中已感染节点的数量定义为K-阶传播数，并对不同K值下节点的K-阶传播数进行加权求和，作为最终的重要性评价依据。
-
公开(公告)号：CN108852380A
公开(公告)日：2018-11-23
申请号：CN201810742288.8
申请日：2018-07-09
Applicant: 南京邮电大学
IPC: A61B5/16 , A61B5/0402 , A61B5/0245 , G06K9/62
Abstract: 本发明公开了一种基于ECG信号的疲劳、情绪分析方法，所述方法基于PCA、K‑means聚类算法以及DS证据理论实现，具体包括步骤：采集ECG信号数据，并对ECG信号数据做噪声检测、弱信号检测和滤波处理，提取ECG信号数据的R‑R间隔序列；对R‑R间隔序列时频域进行分析，得到用于数据训练的时频域指标，并对获取的所述时频域指标运用DS证据理论进行区间划分；对通过DS证据理论进行区间划分的所述时频域指标进行PCA，获取低维度矩阵以及相对应的变换矩阵；运用K‑means聚类算法对获取的低维度矩阵做聚类处理，划分出ECG信号数据中不同生理状态对应的类别，实现疲劳、情绪分析；本发明的基于ECG信号的疲劳、情绪分析方法可实现对疲劳、情绪的分析的精确分析。
-
公开(公告)号：CN107661107A
公开(公告)日：2018-02-06
申请号：CN201710702814.3
申请日：2017-08-16
Applicant: 南京邮电大学
Abstract: 本发明公开了一种脚环及应用方法，设备用于老年人的健康监测以及康复治疗。脚环分为无线传感器以及软件上位机两个部分，其中无线传感器采集脚踝部分的血氧饱和度、脉搏以及体表温度等信息，并通过无线传输技术，实现信号数据的共享；软件上位机部分用于信息的图形化显示，并集成了智能分析算法，最终给出健康评估报告。相比其他一下健康监测产品，本发明在安全性，准确性以及便携性有着明显的优势。在安全性方面，本设计采集用被动式采集方法，适用于老年人群的长期循环监测。在准确性方面，本发明在信号采集方面有很高的精确性，分析过程更为高效，结果评估更为准确。在便携性方面，产品的工业设计符合人体的脚踝结构。
-
公开(公告)号：CN107361752A
公开(公告)日：2017-11-21
申请号：CN201710692817.3
申请日：2017-08-14
Applicant: 南京邮电大学
IPC: A61B5/0205 , A61B5/0402 , A61B5/145 , A61B5/00
Abstract: 本发明涉及一种用于检测人体心电、脉搏、血氧的吊带，其在左手的腕夹装有脉搏传感器和心电传感器，右手的腕夹装有心电传感器和血氧传感器；所述腕夹后部设有柔性电子组件，该柔性电子组件包含有柔性可充电电池、蓝牙模块、数据发送接收模块。腕夹侧杆连接一端与护腕状腕夹连接，左、右护腕状腕夹设置在弧形板两侧。连接头和弹簧设置在弧形板下方，且弹簧套在连接头上。两个伸缩气柱连接在连接头左右两侧。伸缩气柱的另一端与腕夹侧杆一端、竖向杆一端轴承连接在一起。腕夹侧杆另一端与护腕状腕夹相连。竖向杆另一端与横向杆一端轴承连接。两个横向杆的另一端与伸缩杆一端轴承连接在一起。伸缩杆另一端连接在连接头下方。
-
-
-
-
-
-
-
-
-
Search Results
84
records
(took 0.04 seconds)
