-
公开(公告)号：CN113967025B
公开(公告)日：2023-02-03
申请号：CN202111266151.8
申请日：2021-10-28
Applicant: 燕山大学
IPC: A61B5/397
Abstract: 本发明提出了一种基于肌电信号的多层次运动功能评估方法，其包括以下步骤：S1得到多通道EMG信号；S2基于肢体肌肉多层次动态特征分析方法进行建模，获取多层次动态特征；S3根据获取的多层次动态特征，进行肌肉多层次响应机制及运动功能评估策略的分析；S4根据功能肌群协同作用的模块化结构及功能网络特性，获得针对肢体运动模式异常及功能结构改变的情况；S5确定肢体肌肉多层次动态响应机制及构建运动功能评估策略。本发明从单通道肌电信号、双通道肌电信号、多通道肌电信号进行肢体肌肉多层次动态响应分析，得到肌肉的多层次动态响应演变规律，构建基于肌电多层次动态特征综合评估策略，为运动功能状态有效评估提供可行依据。
-
公开(公告)号：CN113229831A
公开(公告)日：2021-08-10
申请号：CN202110507436.X
申请日：2021-05-10
Applicant: 燕山大学
Abstract: 本发明提供一种基于肌电和肌氧信号的运动功能监测管理方法，其包括：同步采集不同动作模式下的多通道肌电和肌氧信号；对肌电及肌氧信号进行预处理；对预处理后的信号进行特征提取；构建多模态特征指间回归分析模型，对特征指标之间进行回归分析，研究两两指标之间的关系；构建基于多模态特征指标间的肌肉‑血管状态监测模型，实现对运功功能的客观描述和精准监测。本发明拓展研究多模态关联及耦合分析方法，从肌肉协同特性、组织血氧代谢及肌肉‑血管的非线性耦合特性等层面，构建有效刻画多层次耦合特性的单模态及跨膜态耦合特征指标，综合描述肌肉‑血管间的多层次信息交互特性，实现运动功能的多层次有效刻画和精准监测管理。
-
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：CN107822623A
公开(公告)日：2018-03-23
申请号：CN201710942971.1
申请日：2017-10-11
Applicant: 燕山大学
IPC: A61B5/0402 , A61B5/0476 , A61B5/0488 , A61B5/11 , A61B5/16
Abstract: 本发明公开了一种基于多源生理信息的驾驶员疲劳及情绪评价方法，包括以下步骤：1、同步采集驾驶员脑电、心电、肌电和姿态信号；2、对生理信号进行预处理和特征提取；3、构建模糊神经网络的评估模型，实现驾驶员疲劳及情绪评估；4、基于评估模型并利用遗传算法不断学习驾驶员的评价指标，提取驾驶员疲劳及情绪评价的规则方法，提高评估准确性。本发明强调决策信息的全面性以及分类方法的先进性，极大地提高了驾驶员疲劳及情绪评价的准确率，降低了交通事故的发生概率。
-
Patent Agency Ranking
公开(公告)号：CN114190956B
公开(公告)日：2025-05-16
申请号：CN202111413019.5
申请日：2021-11-25
Applicant: 燕山大学
Abstract: 本发明公开了一种基于小波和非负张量分解的时频空肌肉协同分析方法，属于神经康复工程及运动机制技术领域，所述方法首先进行上肢运动过程中多通道表面肌电信号的同步采集和预处理；然后对预处理后的数据进行小波分解，对小波变换后的时频肌电信号，将同一动作的多通道时频信号构建成小波信号数据张量；通过预先设置分解层数，将分解后的三个矩阵和核张量相乘,得到重构数据张量，再计算拟合值FIT；再判断协同与非协同关系；最后判断协同肌的频谱分量。本发明从运动的产生与执行角度，探讨肌肉协同模型中协同肌在不同频段上的功能激活状态，有助于揭示神经系统功能的内在模式，能够为卒中患者运动康复过程提供生理依据。
-
公开(公告)号：CN114190956A
公开(公告)日：2022-03-18
申请号：CN202111413019.5
申请日：2021-11-25
Applicant: 燕山大学
Abstract: 本发明公开了一种基于小波和非负张量分解的时频空肌肉协同分析方法，属于神经康复工程及运动机制技术领域，所述方法首先进行上肢运动过程中多通道表面肌电信号的同步采集和预处理；然后对预处理后的数据进行小波分解，对小波变换后的时频肌电信号，将同一动作的多通道时频信号构建成小波信号数据张量；通过预先设置分解层数，将分解后的三个矩阵和核张量相乘,得到重构数据张量，再计算拟合值FIT；再判断协同与非协同关系；最后判断协同肌的频谱分量。本发明从运动的产生与执行角度，探讨肌肉协同模型中协同肌在不同频段上的功能激活状态，有助于揭示神经系统功能的内在模式，能够为卒中患者运动康复过程提供生理依据。
-
公开(公告)号：CN113229831B
公开(公告)日：2022-02-01
申请号：CN202110507436.X
申请日：2021-05-10
Applicant: 燕山大学
Abstract: 本发明提供一种基于肌电和肌氧信号的运动功能监测管理方法，其包括：同步采集不同动作模式下的多通道肌电和肌氧信号；对肌电及肌氧信号进行预处理；对预处理后的信号进行特征提取；构建多模态特征指间回归分析模型，对特征指标之间进行回归分析，研究两两指标之间的关系；构建基于多模态特征指标间的肌肉‑血管状态监测模型，实现对运功功能的客观描述和精准监测。本发明拓展研究多模态关联及耦合分析方法，从肌肉协同特性、组织血氧代谢及肌肉‑血管的非线性耦合特性等层面，构建有效刻画多层次耦合特性的单模态及跨膜态耦合特征指标，综合描述肌肉‑血管间的多层次信息交互特性，实现运动功能的多层次有效刻画和精准监测管理。
-
公开(公告)号：CN113967025A
公开(公告)日：2022-01-25
申请号：CN202111266151.8
申请日：2021-10-28
Applicant: 燕山大学
IPC: A61B5/397
Abstract: 本发明提出了一种基于肌电信号的多层次运动功能评估方法，其包括以下步骤：S1得到多通道EMG信号；S2基于肢体肌肉多层次动态特征分析方法进行建模，获取多层次动态特征；S3根据获取的多层次动态特征，进行肌肉多层次响应机制及运动功能评估策略的分析；S4根据功能肌群协同作用的模块化结构及功能网络特性，获得针对肢体运动模式异常及功能结构改变的情况；S5确定肢体肌肉多层次动态响应机制及构建运动功能评估策略。本发明从单通道肌电信号、双通道肌电信号、多通道肌电信号进行肢体肌肉多层次动态响应分析，得到肌肉的多层次动态响应演变规律，构建基于肌电多层次动态特征综合评估策略，为运动功能状态有效评估提供可行依据。
-
公开(公告)号：CN109147279B
公开(公告)日：2021-06-04
申请号：CN201811219104.6
申请日：2018-10-19
Applicant: 燕山大学
Abstract: 本发明公开了一种基于车联网的驾驶员疲劳驾驶监测预警方法及系统。所述监测预警方法包括：同步采集驾驶参数；对驾驶参数进行预处理，并分别对驾驶参数进行特征提取，确定特征全集；对特征全集内的特征进行归一化处理，并通过序列浮动向前选择算法对特征全集内的特征进行筛选，确定最优特征子集；以最优特征子集作为支持向量机的输入，以驾驶员的驾驶状态作为支持向量机的输出，搭建疲劳检测模型；根据疲劳检测模型确定驾驶员的当前驾驶状态；利用车联网技术将当前驾驶状态实时传输至客户端，由客户端的使用人员或企业进行监控。根据本发明所提供的方法及系统能够降低监测系统的误识率，解决由于佩戴检测设备影响驾驶舒适度的问题。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.02 seconds)
