-
公开(公告)号：CN118885930A
公开(公告)日：2024-11-01
申请号：CN202410774682.5
申请日：2024-06-14
Applicant: 哈尔滨工业大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/214 , G06F18/23213 , G06F18/213 , G06F18/21 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 基于超平面引导式重采样方法的家用电器故障诊断方法，属于家用电器故障诊断技术领域。本发明是为了解决现有家用电器的故障诊断方法存在数据不均衡，导致误判率高的问题。本发明利用家用电器历史监测数据获取训练集；将训练集中的健康样本划分为不同的采用无监督聚类方法将健康样本划分为不同的簇，再将所有簇中心的样本作为降采样后训练集的健康样本；采用超平面引导，对降采样后的训练集中故障样本进行过采样，合成新故障样本；将合成的新故障样本加入降采样后的训练集，构成平衡训练集；建立深度自注意力网络，采用平衡训练集对所述深度自注意力网络进行训练，获取故障诊断模型；利用所述故障诊断模型对家用电器进行故障诊断。本发明适用家用电器故障诊断。
-
公开(公告)号：CN118428553A
公开(公告)日：2024-08-02
申请号：CN202410654292.4
申请日：2024-05-24
Applicant: 哈尔滨工业大学
IPC: G06Q10/04 , G06Q10/20 , G06N3/0464 , G06N3/049 , G06N3/084
Abstract: 基于双重注意力时间卷积网络的制造资源装备健康状态预测方法，属于制造资源装备健康状态预测技术领域。解决了现有制造资源装备退化状态的预测结果准确率低的问题。本发明基于时间卷积网络，结合通道注机制和时序注意力机制，建立基于双重注意力的时间卷积网络；所述时间卷积网络包括L个隐藏层，L个隐藏层残差连接；每个隐藏层利用膨胀因果卷积网络进行时序依赖特征提取，再结合通道注意力机制和时序注意力机制，获取隐藏层的输出信号，第L个隐藏层的输出信号为基于双重注意力的时间卷积网络的输出信号；基于双重注意力的时间卷积网络用于制造资源装备的健康状态预测。主要用于制造资源装备的健康状态预测。
-
公开(公告)号：CN116869777A
公开(公告)日：2023-10-13
申请号：CN202310918836.9
申请日：2023-07-25
Applicant: 哈尔滨工业大学
Abstract: 针对脑卒中患者的上肢全周期康复训练装置，属于康复机器人领域。本发明的目的是为了解决传统人工康复训练和机器人被动康复训练均为被动式训练方式，存在康复效率低的问题。上位机，用于控制机械臂在台面上运动，从而带动患者患肢运动；肌电采集装置，用于采集患者处于痉挛期时，待测肌肉皮肤表面产生的肌电信号，传至上位机；上位机，还用于对接收到的肌电信号进行处理，得到动作目标用以调整机械臂的动作；力传感器，用于实时采集患者患肢施加在康复训练手柄上的力信息，并发送至上位机；上位机，还用于根据所述的力信息，不断调整机械臂的运动阻力。用于根据患者不同的病况设置不同的康复训练模式。
-
公开(公告)号：CN115964655A
公开(公告)日：2023-04-14
申请号：CN202310041182.6
申请日：2023-01-13
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06F18/2411
Abstract: 一种基于互信息量的脑机接口中错误相关电位的监测方法，涉及一种错误相关电位的识别方法，为了解决现有的脑机接口对错误相关电位信号识别率差的问题。本发明通过对原始脑电信号进行预处理，并进行无重叠滑动窗分析，提取出时域特征；利用Welch法对该信号进行特征提取，获取频域特征；将时域特征与频域特征进行特征组合，利用互信息作为特征和正误类别之间的测度，计算特征与类别的互信息量并进行排序，筛选出排名靠前的特征；利用最小二乘支持向量机进行始错误相关电位分类，对样本进行留一交叉验证，获取并保留个体最佳模型，得到最终错误相关电位分类的准确率。有益效果为提高了错误相关电位的识别精度。
-
公开(公告)号：CN112364808A
公开(公告)日：2021-02-12
申请号：CN202011330703.2
申请日：2020-11-24
Applicant: 哈尔滨工业大学
Abstract: 基于FMCW雷达与人脸跟踪识别的活体身份认证方法，涉及身份识别技术领域。本发明是为了解决现有的人脸识别技术难以精确的对照片、视频、建模等欺骗手段进行区分的问题。本发明首先通过FMCW雷达对测量物进行呼吸及心跳信号检测，当被测物具有呼吸及心跳信号后将对人脸进行检测，跟踪及特征提取，并通过FMCW雷达提取当前测量人员的呼吸信号特征，最后对提取的面部特征及人员呼吸特征分别与训练集的样本进行比对，当两部分的比对结果均为是时，则身份识别成功，若存在一个甚至多个不是，则识别失败。
-
Patent Agency Ranking
公开(公告)号：CN107928631A
公开(公告)日：2018-04-20
申请号：CN201711392782.8
申请日：2017-12-21
Applicant: 哈尔滨工业大学
IPC: A61B5/00 , A61B5/1455
CPC classification number: A61B5/0075 , A61B5/0042 , A61B5/14546 , A61B5/14553 , A61B5/7203 , A61B5/7235
Abstract: 基于差分路径因子估计的近红外脑功能信号处理方法，本发明涉及近红外脑功能信号处理方法。本发明目的是为了解决现有技术中修正郎伯比尔定律所使用的差分路径因子参考值与实际测量对象的真实差分路径因子存在较大的差异，同时光源检测器所采集到的光密度变化量的时间序列信号中也存在着测量误差干扰，导致对连续波近红外脑功能活动响应信号测量提取精度低的问题。获得不同波长的近红外光在距离检测器相同距离下的光密度变化量的时间信号；采用修正郎伯比尔定律对信号构建方程；将方程组改写为矩阵形式；对增广矩阵进行奇异值分解；得到检测器处的氧合血红蛋白和还原血红蛋白浓度变化时间信号的总体最小二乘解。本发明用于脑功能信号领域。
-
公开(公告)号：CN107049303A
公开(公告)日：2017-08-18
申请号：CN201710148736.7
申请日：2017-03-10
Applicant: 哈尔滨工业大学
IPC: A61B5/0444 , A61B5/00
CPC classification number: A61B5/0444 , A61B5/4362 , A61B5/7203 , A61B5/725
Abstract: 一种基于多腹导和多胸导的自适应胎儿心电信号提取系统及方法，属于胎儿心电信号检测技术领域。多腹导心电信号经过线性结合器得到自适应噪声抵消器的原始通道总输入；多胸导心电信号经过线性和非线性滤波器得到自适应噪声抵消器的参考通道总输出；利用自适应RLS算法调整原始通道中线性结合器的系数；利用自适应LMS算法分别调整每个参考通道中线性和非线性滤波器的权值；把自适应噪声抵消器的原始通道总输入与参考通道总输出相减得到的误差输出，作为胎儿心电信号的估计。该方法不仅克服了多腹导通道优化问题，还解决了母体心电信号从胸部区域到腹部区域之间非线性导致胎儿心电信号提取精度低的问题，可以实时地提取胎儿心电信号用于临床医学诊断。
-
公开(公告)号：CN104224165A
公开(公告)日：2014-12-24
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。
-
公开(公告)号：CN101972148B
公开(公告)日：2011-11-16
申请号：CN201010551128.9
申请日：2010-11-19
Applicant: 哈尔滨工业大学
IPC: A61B5/1455
Abstract: 基于经验模态分解的近红外脑功能检测的扰动消除方法，属于光学领域，本发明为解决采用低通滤波无法全面有效去除脑功能检测时生理扰动；采用自适应滤波技术存在需要借助额外的设备、结构复杂的问题。本发明方法包括以下步骤：一、在待测脑组织的头皮表面放置由双波长光源和检测器构成的近红外探头，获得光密度变化量时间序列：和二、采用修正朗伯比尔定律获取氧合血红蛋白浓度变化量时间序列Δ[HbO2](t)和还原血红蛋白浓度变化量时间序列Δ[HHb](t)；三、对Δ[HbO2](t)和Δ[HHb](t)分别进行经验模态分解，获得所有的IMF分量；四、对所有IMF分量进行希尔伯特变换，将瞬时频率处于正常人呼吸频率和心脏跳动频率范围内的IMF分量剔除，以消除近红外脑功能检测时的生理扰动。
-
公开(公告)号：CN101972148A
公开(公告)日：2011-02-16
申请号：CN201010551128.9
申请日：2010-11-19
Applicant: 哈尔滨工业大学
IPC: A61B5/1455
Abstract: 基于经验模态分解的近红外脑功能检测的扰动消除方法，属于光学领域，本发明为解决采用低通滤波无法全面有效去除脑功能检测时生理扰动；采用自适应滤波技术存在需要借助额外的设备、结构复杂的问题。本发明方法包括以下步骤：一、在待测脑组织的头皮表面放置由双波长光源和检测器构成的近红外探头，获得光密度变化量时间序列：和二、采用修正朗伯比尔定律获取氧合血红蛋白浓度变化量时间序列Δ[HbO2](t)和还原血红蛋白浓度变化量时间序列Δ[HHb](t)；三、对Δ[HbO2](t)和Δ[HHb](t)分别进行经验模态分解，获得所有的IMF分量；四、对所有IMF分量进行希尔伯特变换，将瞬时频率处于正常人呼吸频率和心脏跳动频率范围内的IMF分量剔除，以消除近红外脑功能检测时的生理扰动。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.028 seconds)
