-
公开(公告)号：CN111789592B
公开(公告)日：2022-04-05
申请号：CN202010620170.5
申请日：2020-06-30
Applicant: 杭州电子科技大学
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：CN113558638A
公开(公告)日：2021-10-29
申请号：CN202110758874.3
申请日：2021-07-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于Vine Copula的脑肌耦合模型构建方法。首先，在实验过程中记录了受试者的肌电信号和脑电信号。通过广义自回归条件异方差模型将预处理后的信号转换为不同通道的边缘概率密度函数，然后把Copula函数引入到Kendall秩相关系数来进行相关的测度，并使用最大生成树算法来确定Vine Copula的树结构。最后，使用归一化的邻接矩阵来构建脑肌功能耦合网络。本发明提出的Vine Copula可用于构建更灵活多样的多元分布，在依赖结构中将单变量与多元分布分离，并更好地解决多维条件下参数估计的维数诅咒。因此，该方法在脑肌多通道耦合中具有广阔的应用前景，对于疾病诊断与康复具有积极意义。
-
公开(公告)号：CN113397571A
公开(公告)日：2021-09-17
申请号：CN202110805279.0
申请日：2021-07-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于先验模板的肌电运动单元分解方法。本发明首先，利用几个带有可变表达式的先验模板来拟合运动单元动作电位的波形；接着提出了一种迭代匹配策略，实现了运动单元的逐层剥离；随后引入尖峰触发平均算法来重新确定运动单元动作电位波形，使其更符合真实的肌电运动单元。最后，建立基于真实信号分解结果的评估指标，用于评价分解算法的性能。本发明能在低噪声水平下检测和识别有效的运动单元，具有较为良好的性能。
-
公开(公告)号：CN110464517B
公开(公告)日：2021-09-07
申请号：CN201910759180.4
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于小波加权排列熵的肌电信号识别方法。首先，从人体上肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段，利用小波变换对动作信号段的表面肌电信号进行四层分解得到各频率段小波子带，并对各小波子带求取加权排列熵。然后对所求得的加权排列熵进行组合，选取最佳的小波子带特征组合作为组合特征集。最后将各小波子带的组合特征集作为特征向量输入到支持向量机分类器，实现肌电信号的手部多运动模式识别。实验结果表明，该方法用于手部多动作识别获得了较高的分类精度，具有更好的识别效果。该方法可以有效地应用于复杂日常手部运动的模式识别，有助于提高肌电假手的灵活性，使其更好地用于生活。
-
公开(公告)号：CN109645995B
公开(公告)日：2021-09-07
申请号：CN201910038177.3
申请日：2019-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及到一种基于肌电模型和无迹卡尔曼滤波的关节运动估计方法，首先采集膝关节在连续运动状态下股二头肌、股四头肌、股外侧肌、股内侧肌、半腱肌、股薄肌的肌电信号和实时角度，对其进行带通滤波处理，并提取小波系数和均方根特征，然后使用一种结合了肌肉动力学、关节动力学、骨骼动力学和相关肌电特征的状态空间肌电模型，通过无迹卡尔曼滤波算法，得出Sigma采样集χi和权重Wi，然后进行进一步的预测，计算出系统状态变量和协方差矩阵P(k+1|k)，迭代循环后，实现对膝关节连续运动的估计。该方法与传统的角度估计方法相比，减小了系统误差、累积误差和外部干扰的影响，精度高，稳定性好，对目标机动反应快速，有了明显的改进。
-
Patent Agency Ranking
公开(公告)号：CN113288181A
公开(公告)日：2021-08-24
申请号：CN202110687040.8
申请日：2021-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于稳态视觉诱发电位脑电信号识别的个体模板重构方法。本发明首先采集大脑皮层枕区上对应电极通道的稳态视觉诱发电位脑电信号数据并预处理；构建人工正‑余弦参考信号，分别选择两种信号质量评价指标，和两种计算方式，计算各训练数据的权重系数，重构包含受试者个体信息的模板信号；分别对脑电信号、人工正‑余弦参考信号和个体模板信号两两之间进行典型相关分析，计算得到的空间滤波器映射到信号上可以得到多种特征；针对本数据集重新选择系数特征组合，与标准扩展典型相关分析相比，重构后的个体模板信号包含了更多的SSVEP响应，提升了算法的识别性能，降低了算法的计算消耗时间。
-
公开(公告)号：CN109800651B
公开(公告)日：2020-10-27
申请号：CN201811577681.2
申请日：2018-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于双规则主动超限学习机的多类脑电分类方法。本发明方法采用主动学习核心思想，首先依据超限学习机分类器评价无标签样本的不确定性，其次根据余弦相似规则剔除了相似性高的无标签样本，得到最有价值的少量无标签样本进行标注，然后利用这些筛选出的数据对超限学习机进行训练，最大化利用有标签脑电信号内部信息，从而减少对有标签脑电数据的依赖，并获得较高的运动想象任务多分类的准确性。该方法在脑‑机接口领域具有广阔的应用前景。
-
公开(公告)号：CN110960191A
公开(公告)日：2020-04-07
申请号：CN201911196895.X
申请日：2019-11-29
Applicant: 杭州电子科技大学
IPC: A61B5/00 , A61B5/0476
Abstract: 本发明公开一种基于频谱能量图的癫痫脑电信号分类方法。具体步骤为将癫痫脑电信号经过小波消噪，先进行功率谱密度分析。通过对每个通道脑电信号进行PSD分析，并绘制二维图像功率谱能量图。进行四类癫痫状态的分类分别为发作间期，发作前30分钟，发作前10分钟和发作时。本发明基于深度卷积神经网络，利用Inception-v3，提出基于深度卷积神经网络癫痫脑电信号的分类预测算法。本发明更进一步提高了癫痫脑电信号的分类准确率，增加了预测癫痫发作前的时间，能更准更快地对癫痫进行预测和分类。
-
公开(公告)号：CN109636045A
公开(公告)日：2019-04-16
申请号：CN201811541299.6
申请日：2018-12-17
Applicant: 杭州电子科技大学
CPC classification number: G06Q10/047 , G06N3/006 , G06Q50/30
Abstract: 本发明中涉及到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，用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：CN109589114A
公开(公告)日：2019-04-09
申请号：CN201811603088.0
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: A61B5/0488 , A61B5/00
Abstract: 本发明涉及一种基于CEEMD和区间阈值的肌电消噪方法。首先用互补集合经验模态分解对表面肌电信号进行分解得到固有模态函数分量。然后通过分量相关分析选择合适的固有模态函数分量，对每个被选择的固有模态函数分量进行改进区间阈值处理。最后，信号由处理后的固有模态函数分量和未被改进区间阈值处理的固有模态函数分量进行信号重构，得到去噪后的信号。本发明在信号处理方面具有自适应性，适合于非线性、非平稳表面肌电信号的分析，能够减少由于模态混叠带来的不利影响，并且尽可能多的保留了信号中有用的信息，减少了噪声带来的影响，其结果不仅提高了信噪比，同时提高了识别率，使得表面肌电信号的应用更加广泛。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.031 seconds)
