-
公开(公告)号：CN119782880A
公开(公告)日：2025-04-08
申请号：CN202411842229.X
申请日：2024-12-13
Applicant: 哈尔滨工业大学
Abstract: 基于脑电图的面向跨受试疼痛分类方法，解决如何有效提高跨受试疼痛分类的可靠性且减轻临床数据采集压力的问题，属于脑电图数据评估领域。本发明包括：识别目标受试者和历史数据集中历史受试者疼痛敏感度高度相关的静息EEG特征，并筛选出历史数据集中与目标受试者有相似疼痛反应的历史受试者，组成目标受试者的源受试者集合；利用源受试者集合构建伪标签，并在考虑认知等实验动态因素的情况下优化源受试者集合，得到源域；利用源域和目标域进行自适应迁移学习，对所有源域学习后得到的目标域的标签进行加权融合，得到目标受试者的预测分类结果，完成分类。
-
公开(公告)号：CN113660053B
公开(公告)日：2024-09-13
申请号：CN202111160925.9
申请日：2021-09-30
Applicant: 中国人民解放军31401部队70分队 , 哈尔滨工业大学
Abstract: 一种光缆表的本地测试方法，涉及一种光缆表的本地测试技术，为了解决现有的光缆表对光路进行测量时操作复杂、实现过程困难的问题；本发明的通过搭建模拟远程传输光路；并利用光缆表对搭建的模拟远程传输光路进行光路测试；再利用GPIB网卡将本地计算机与光缆表连接，并在本地计算机中编写控制程序；最后利用本地计算机控制光缆表，优化光缆表参数，完成本地测试。有益效果为操控简单，实现过程容易，并且容易对数据进行存储与计算。
-
公开(公告)号：CN115859091B
公开(公告)日：2023-05-26
申请号：CN202211357219.8
申请日：2022-11-01
Applicant: 哈尔滨工业大学
IPC: G06F18/2131 , G06N3/045 , G06N3/0464 , G06N3/08 , G01M13/045 , G06F123/02
Abstract: 本发明提出一种轴承故障特征的提取方法、电子设备及存储介质，属于轴承故障特征提取技术领域。包括以下步骤：S1.将机械振动信号输入至多任务卷积神经网络中，进行卷积层和批归一化层的权重参数的优化；S2.多任务卷积神经网络输出包括两条支路；S3.将时域指标和包络谱指标求和计算损失函数；S4.对多任务卷积神经网络进行训练，得到最优的权重和学习参数；S5.将被测信号输入至S4所述训练后的多任务卷积神经网络进行盲反卷积，根据振动信号的包络谱识别具体的故障特征。本发明解决了现有技术中存在的粒子群算法受随机初始化参数和解空间限制、不利于寻找复杂的非凸优化问题的全局最优解的技术问题。
-
公开(公告)号：CN109480872B
公开(公告)日：2021-09-17
申请号：CN201811327333.X
申请日：2018-11-08
Applicant: 哈尔滨工业大学
Abstract: 基于脑电信号频带能量比特征的驾驶疲劳检测方法，本发明涉及一种脑电信号分析方法。本发明目的是为解决现有的检测技术多以人的外部行为特征作为依据，难以准确地了解驾驶员的心理、生理属性，不易客观地评价驾驶员的疲劳状态，主观性过强，导致驾驶疲劳检测结果准确率低的问题。过程为：一、采集驾驶者脑电信号；二、进行预处理；三、得到局部均值分解后的乘积函数；四、得到重构的脑电信号；五、求解功率谱密度；六、求解脑电信号不同波段的频带能量比；七、对四进行归一化处理；八、求取标准差，将标准差、脑电信号不同波段的频带能量比作为BP神经网络的输入参数，输出疲劳状态。本发明用于驾驶疲劳检测领域。
-
公开(公告)号：CN113319855A
公开(公告)日：2021-08-31
申请号：CN202110719915.8
申请日：2021-06-28
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 一种多关节诊疗机器人柔顺力控制模式下的重力补偿方法，属于诊疗机器人力控领域，为了解决现有的重力补偿方法对诊疗机器人重力补偿精度不足的问题。本发明实时记录机器人多个姿态下的姿态矩阵以及传感器的测量值，构造线性方程组，通过最小二乘法求解诊疗工具的参数向量；在诊疗工具处于初始位置时以及按照大地坐标系调整诊疗工具的姿态，使诊疗工具的重力只剩沿六维力与力矩传感器坐标的y轴方向时，分别记录传感器的测量值；在传感器坐标系下，利用降维解析法计算诊疗工具重心的位置；计算出诊疗工具的重力分量与力矩分量补偿值，实现对诊疗工具的重力补偿。有益效果为实现对多种诊疗工具在多姿态工作模式下的高精度重力补偿。
-
Patent Agency Ranking
公开(公告)号：CN113197573A
公开(公告)日：2021-08-03
申请号：CN202110547301.6
申请日：2021-05-19
Applicant: 哈尔滨工业大学
Abstract: 基于表情识别及脑电融合的观影印象检测方法，属于观影印象检测领域。本发明为解决现有技术中无法定量评定用户对广告内容的主观印象以及不利于在大数据层面上分析的问题。本发明检测方法包括如下：采集观影时间段内的观影表情变化视频及脑电信号；根据观影表情变化视频，获得观看过程中的愉悦程度B1和专注程度B2，并将B1与B2的乘积作为表情印象指数m1；同时还对脑电信号进行傅里叶变化，获得功率谱密度P(w)；再根据P(w)获得各频段的频带能量占比及相关频段的频带能量比，并将其送入支持向量机SVM，获得脑电印象指数m2；利用DS决策融合算法对表情印象指数m1和脑电印象指数m2进行融合，从而获得决策结果m。主要用于对观影印象进行量化。
-
公开(公告)号：CN113017651A
公开(公告)日：2021-06-25
申请号：CN202110281415.0
申请日：2021-03-16
Applicant: 哈尔滨工业大学
Abstract: 一种情感EEG的脑功能网络分析方法，涉及一种情感EEG的脑功能网络分析技术，为了解决目前EEG情感脑功能网络分析中网络节点不一致导致通用性差的问题。本发明基于脑电信号的相关性和同步性，构建32节点小尺度脑功能网络，并将其分为二值网络和加权网络；对比分析二值和加权网络在不同情感下的全局和局部属性；利用定义脑区作为第二节点，研究该10个节点的局部属性；构建10节点大尺度脑功能网络，并对不同情感脑网络属性进行分析，得出10节点脑功能网络的局部属性；最后对比32节点与10节点脑功能网络的局部属性，得出局部属性变化的共同性及差异性，实现对不同情感脑电信号的网络分析。有益效果为通用性强。
-
公开(公告)号：CN112263242A
公开(公告)日：2021-01-26
申请号：CN202011156515.2
申请日：2020-10-26
Applicant: 哈尔滨工业大学
IPC: A61B5/08 , A61B5/0245 , A61B5/05 , A61B5/00
Abstract: 基于FMCW雷达的呼吸检测及模式分类方法，涉及生命体征检测技术领域。本发明是为了解决现有采用雷达方式对生命体征的测量无法对结果进行分类的问题。本发明首先通过FMCW雷达系统采集数据，并通过对数据计算来进行呼吸及心跳信号的分离、提取，实现对生命体征的非接触测量；其次通过利用矩形窗计算各时段呼吸的能量谱及阈值，比较二者大小实现对呼吸暂停的精准判断；最后分别利用VPD寻峰算法提取峰值、谷值及二者差值；计算归一化短时能量的平均值和标准差；利用HHT提取瞬时频率的平均值、标准差和最小值，最后采用SVM支持向量机和K邻近算法对提取的特征值分类，从而实现对多种呼吸模式的有效识别。
-
公开(公告)号：CN105489225B
公开(公告)日：2019-07-16
申请号：CN201510854307.2
申请日：2015-11-27
Applicant: 哈尔滨工业大学
IPC: G10L21/0208 , G10K11/178
Abstract: 一种含次级通道在线辨识的前馈型窄带主动噪声控制系统，属于主动噪声控制领域，针对前馈型窄带主动噪声控制系统中次级通道在线辨识引入的辅助噪声严重影响了系统残余噪声抑制性能。它包括信号合成子系统、次级通道在线辨识子系统和残余噪声分离子系统。信号合成子系统用于产生与目标噪声中声音信号具有相同频率的次级噪声源信号；次级通道在线辨识子系统随着窄带主动噪声控制系统的运行可实时在线地完成次级通道辨识，用于抑制目标噪声；残余噪声分离子系统可实现从残余噪声中分离出有限个频率的声音信号。本发明采用分离出的残余声音信号来调整引入的辅助噪声的能量，提高次级通道在线辨识的精度和速度，显著地降低引入的辅助噪声对残余噪声的影响。
-
公开(公告)号：CN104224165B
公开(公告)日：2016-05-11
申请号：CN201410474988.5
申请日：2014-09-17
Applicant: 哈尔滨工业大学
IPC: A61B5/0476
Abstract: 基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法，本发明涉及一种信号抗差估计方法，具体涉及基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法。本发明目的是为解决目前粗差严重影响脑功能信号的准确提取。步骤一、使用光源S和D1和D2构成的近红外探头进行探测；步骤二、获得反应光强信息的电信号；步骤三、获取D1测得的Δ[HbO2]N(k)和Δ[HHb]N(k)，D2测得的Δ[HbO2]F(k)和Δ[HHb]F(k)；步骤四、用x(k)表示Δ[HbO2]N(k)或Δ[HHb]N(k)；步骤五、用y(k)表示Δ[HbO2]F(k)或Δ[HHb]F(k)；步骤六、脑功能信号表示为s(k)＝y(k)-βx(k)；步骤七、利用最小一乘准则求解使J(k)最小的权重系数β，获得误差性能函数J(k)，表示为步骤八、获得脑功能信号s(k)。本发明应用于信号处理领域。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.03 seconds)
