-
公开(公告)号：CN112604163A
公开(公告)日：2021-04-06
申请号：CN202011609685.1
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于经颅直流电刺激的辅助记忆系统。包括电刺激仪、采集装置和训练装置。训练装置针对不同的工作记忆子成分选用不同的记忆负载材料，设计了三种不同模式的训练。采集装置采集使用者经电刺激前后在不同训练模式中的脑电信息，对比统计，为电刺激仪的电极摆放位置、刺激时长、电流密度提供参考。电刺激仪对相应脑区进行最大程度的激活，配合不同模式的训练，提高工作记忆的效果。在电刺激结束后，再进行一次无电刺激的训练，可以将电刺激带来的提升效果延伸至在脱离电刺激后。
-
公开(公告)号：CN111814544A
公开(公告)日：2020-10-23
申请号：CN202010484729.6
申请日：2020-06-01
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于局部平衡极限学习机的动态运动想象脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种局部平衡ELM和基于SL量化FBN的新方法。与传统思想不同，本发明从上述加权的FBN提取了两种二值子网络的拓扑特征。此外，本发明指出了ELM融合中的两个不足，并提出了相应的局部平衡ELM。为了达到两个互补特征在ELM特征空间的最佳融合，以及二值化的最佳阈值和正则化ELM的最佳正则化参数，本专利改进了LOO方法的计算复杂度，使用LOO来收敛上述参数的经验范围。
-
公开(公告)号：CN111789592A
公开(公告)日：2020-10-20
申请号：CN202010620170.5
申请日：2020-06-30
Applicant: 杭州电子科技大学
IPC: A61B5/0484 , A61B5/0478
Abstract: 本发明公开了一种基于拓扑特征融合的脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种LBELM和基于似然同步分析方法量化脑功能网络的新方法。与传统思想不同，本发明对二值FBN提取了两种最优的拓扑特征，并通过LBELM对两种最优的拓扑特征进行LBELM特征空间层的融合；同时本发明对LBELM做出了进一步的改进，增加了隐藏层参数优化以获得更高、更稳定的识别效果；使用了基于MSEPRESS的留一法优化算法，以获得最优的正则化系数和融合比例。
-
公开(公告)号：CN107618018B
公开(公告)日：2020-08-25
申请号：CN201711019198.8
申请日：2017-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于肌电的机械手动作速度比例控制方法；首先，通过肌电采集仪采集尺侧腕伸肌和桡侧腕屈肌的表面肌电信号，通过能量阈值法确定动作的起始位置和终止位置作为动作肌电信号，提取信号的平滑窗平均功率；用小波分析法对原始表面肌电信号进行多尺度分解，提取信号多尺度模糊熵特征，并和平均功率组成特征向量输入扩展的K最近邻模型分类器，识别手部动作，同时通过正交多项式拟合操作者与机械手动作速度，最终控制机械手以相应的速度完成相应的动作。本发明提高了人机交互的自然性和主动性，从而提高了操作的准确性和便捷性，降低了机械手操作的危险等级，使机械手可以完成相对复杂、危险的任务。
-
公开(公告)号：CN107808166B
公开(公告)日：2020-08-11
申请号：CN201711012999.1
申请日：2017-10-26
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种MEMD张量线性拉普拉斯判别的肌电特征提取方法。传统的肌电特征提取方法往往都是以向量为基础、并且使用欧式距离计算离散度矩阵，因此存在类间离散度矩阵奇异、投影方向有限等问题，本发明基于张量结构的数据表示，可以同时考虑信号的时‑频‑空域等多维信息。首先使用多变量经验模态分解方法对多通道肌信号进行滤波，其次采用小波包变换构建具有时间、空间、频率、任务的四阶张量数据，然后采用张量线性拉普拉斯判别方法寻找最佳投影矩阵以获得具有较大区分度的张量高维特征，接着对高维张量特征进行矩阵化和降维，最后采用常规的分类方法对降维后的肌电特征进行识别。该方法在康复机器人等人机交互领域具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110464343A
公开(公告)日：2019-11-19
申请号：CN201910758670.2
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00
Abstract: 本发明涉及一种基于自主手部动作的增强型脑肌相干方法。首先，在手部自主动作过程中同步采集对应上肢EMG信号和皮层EEG信号并去噪，然后基于EMG信号的突发脉冲点对同步的EEG信号进行采样，接着用窗函数对采样的EEG信号进行移动平均处理，并再次基于EMG突发脉冲点对EEG采样，再重新组装以得到能够更好地反映肌肉运动的EEG信号。最后，使用幅度平方相干来计算上述预处理过后EEG-EMG相干估计值，分析Beta和Gamma频段中同手部自主运动的相干性，以验证该方法的可靠性。该方法的相干分析的结果不仅可以正确反映皮层和肌肉之间的耦合关系，而且可以更清晰表明在不同的手部自主运动下的EEG-EMG相干特性。
-
公开(公告)号：CN110110919A
公开(公告)日：2019-08-09
申请号：CN201910360944.2
申请日：2019-04-30
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于智能算法的机动车拦截路径规划方法。本发明将城市路网的拓扑结构和车辆运动轨迹抽象成多为矩阵，以所有车辆为核心的辐射圆在矩阵中形成泰森多边形，计算目标车辆所在泰森多边形区域内的目标可到达路径总长，以目标车辆的预测路径为终点，通过智能算法求在拦截车辆运动过程中使目标车辆泰森多边形区域内路径最短的路口位置，连接这些路口位置便得到最优拦截路径。本发明需要路网及车辆的轨迹信息，路网信息可直接通过地图获得，轨迹信息需要依靠城市路口监控，方法通过结合常用的路径寻优算法及简化面积计算的图形方法，为城市环境下的车辆拦截问题提供了新思路。
-
公开(公告)号：CN109567799A
公开(公告)日：2019-04-05
申请号：CN201811603107.X
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/00
Abstract: 本发明公开了一种基于平滑小波相干性的肌电信号特征提取方法，本发明通过肌电信号采集仪采集人体相关肌肉的肌电信号，并采用带通滤波方法进行预处理，对滤波处理后的肌电信号进行小波变换，然后计算两路肌电信号的交叉小波变换，并对交叉小波变换分别进行时间轴和尺度轴上的平滑操作。最后，计算两路肌电信号的平滑小波相干系数，并使用T检验来检验不同行为之间的相关性是否存在统计学差异，得到不同肌肉组合的32级平滑小波相干系数作为特征向量。本发明使用的平滑小波相干性在特征提取方法上具有很大创新，对于后续模式识别具有较高的识别率和可靠性，可以较好地满足多模式识别任务中的特征提取要求，具有广阔的应用前景。
-
公开(公告)号：CN109558911A
公开(公告)日：2019-04-02
申请号：CN201811606327.8
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明提出一种基于遗传算法广义典型相关分析的肌电信号特征融合方法。获取人体做日常行为动作时四路肌电信号的平均幅值，威尔逊振幅，模糊熵，小波能量系数，由4路肌电信号各4各特征组成16维特征向量。提取16维标准样本特征向量X、训练样本特征向量Y。分别计算X,Y的类内离散度矩阵和类间离散矩阵，最后求得使广义典型相关判别准则最大的广义正则投影向量。对GCPV择优选取，得到新的GCPV将原特征投影到新空间，成为结合遗传算法的GCCA(GA-GCCA)；将原特征通过新得到的GCPV投影到新平面上，获得最终融合的肌电信号特征向量S。本发明有效地减小了维数，并在改善单调性的同时动态地选择了最佳特征向量。
-
公开(公告)号：CN107832686A
公开(公告)日：2018-03-23
申请号：CN201711013730.5
申请日：2017-10-26
Applicant: 杭州电子科技大学
CPC classification number: G06K9/00335 , G06K9/00885 , G06K9/6269
Abstract: 本发明提出了融合表面肌电和加速度信号的下肢运动模式识别方法。首先，获取人体下肢表面肌电信号、加速度信号；表面肌电信号用局部均值分解算法分解为多个乘积函数，根据表征不同动作分离性的平均欧氏距离，确定局部均值分解算法分解之后第一个乘积函数的多尺度排列熵，提取第一个乘积函数的多尺度排列熵作为表面肌电信号特征。计算不同尺度熵的重要性，确定尺度熵组成4维特征向量，并和三轴加速度的排序熵组成7维特征向量；将7维特征向量输入根据类内平均欧氏距离和类间样本分布而改进的二叉树支持向量机进行下肢运动模式识别。本发明可实现人体下肢运动意图实时、准确识别，识别结果可用于外骨骼机器人交互控制等。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.027 seconds)
