-
公开(公告)号：CN113990441B
公开(公告)日：2024-06-28
申请号：CN202111414297.2
申请日：2021-11-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于生物动力学的下肢膝关节主动肌肌电拟合方法，本发明通过角度信号和肌纤维募集模型求得意图相关肌电；再次，通过身高、体重和角度求得运动过程中产生的有用力矩，随后通过逆hill肌力模型求得肌力相关肌电；然后，通过初始静息肌肉长度和角度求得运动过程中肌肉长度，随后，通过肌梭反馈模型求得肌长度相关肌电；最后，使用不同运动阶段配置对应模型的策略和含有损失函数的最小二乘搜索参数法将三种肌电融合，再与白噪声融合后就可以得到最终肌电。本发明有着具有全面性，误差低，拟合效果好，具有生理意义，子模型生成的肌电稳定且符合子模型含义等特点。
-
公开(公告)号：CN113128552B
公开(公告)日：2024-02-02
申请号：CN202110231114.7
申请日：2021-03-02
Applicant: 杭州电子科技大学
IPC: G06F18/2431 , G06F18/213 , G06F18/25 , G06F18/27 , G06N3/0464 , G06N3/042 , G06N3/08 , A61B5/16 , A61B5/372
Abstract: 本发明公开了一种基于深度可分离因果图卷积网络的脑电情绪识别方法。现有用于识别脑电情绪的神经网络缺乏通道间定向功能性关系的考虑。本发明如下：一、采集被测者的脑电数据。二、构建邻接矩阵。三、计算脑电数据对应的正则化拉普拉斯矩阵。四、利用深度可分离因果图卷积模型进行特征提取和情绪分类。本发明采用格兰杰因果关系对EEG信号通道间的关系进行建模，构建出一个有向的非对称矩阵，充分考虑了通道间的因果关系，与真实的脑电信号产生情况一致，故能够有效提高情绪类型识别的准确率。此外，本发明采用深度可分离卷积充分提取了脑电数据中的局部特征，从而进一步提高了分类准确率。
-
公开(公告)号：CN117275042A
公开(公告)日：2023-12-22
申请号：CN202311291753.8
申请日：2023-10-08
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V20/40 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了基于事件相关电位的行人重识别视频流复杂目标检测方法。该方法采集了复杂目标在不同场景中出现的视频流，制作成实验范式，采集被试在观看视频内容时的脑电数据。然后对脑电地形图进行分析，标记ERP特征，包括P300和P300‑D，分别对应目标出现与目标消失。构建正负样本对，基于对比表征学习的方法和时空间特征注意力提取的方法来获取类间的本质特征，解决视频范式中样本的极端类不平衡问题和两个相似类间的区分问题，使用circleloss进行反向传播，更新模型参数，使正样本对中两个样本的距离更近，而负样本对中两个样本的距离更远。最后使用训练好的模型判断视频流中是否出现目标，以及目标的出现与消失时间。
-
公开(公告)号：CN116747439A
公开(公告)日：2023-09-15
申请号：CN202310782596.4
申请日：2023-06-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于健侧下肢肌肉协同启发的电刺激方法及系统。本发明通过对个体健康侧肢体的运动过程解析，结合肌电信号和运动姿态信号，建立更符合个体自身肢体协调性的肌肉运动模型，利用健康侧肢体肌肉运动模型指导患侧肢体进行运动。通过利用个体健康侧肢体为启发，采集了健康侧肢体的肌电信号和运动姿态信号，并建立了健康侧肢体的运动模型。并将肌肉协同激活程度随时间变化的关系映射为肌肉协同激活程度随角度变化的关系，消除了时变的干扰，使电刺激仪能够随着角度的变化而施加电刺激，从而实现更精准的刺激效果。
-
公开(公告)号：CN116561551A
公开(公告)日：2023-08-08
申请号：CN202310353361.3
申请日：2023-04-04
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/2113 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种指基于特征交互的群体运动想象脑机接口解码方法，包括如下步骤：S1、向多名用户同时提供相同的运动想象任务；S2、信号采集，进行脑机接口解码之前，需要同时采集所有用户的连续的脑电信号；S3、将采集的脑电信号进行预处理，并对预处理后的脑电信号进行邻接矩阵和节点特征计算得到脑电信号网络；S4、利用图卷积网络对每位用户的脑电信号网络进行特征提取；S5、特征交互，将当前用户的特征向量与其他用户的特征向量使用变分自编码器的技术进行融合，得到具有跨脑交互信息的特征。S6、用分类器对带有标签的交互特征进行训练并输出结果。该方法考虑了用户当前的状态，动态调节不同用户的权重，增强了系统的准确性。
-
Patent Agency Ranking
公开(公告)号：CN116035591A
公开(公告)日：2023-05-02
申请号：CN202211436178.1
申请日：2022-11-16
Applicant: 杭州电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/00 , G06F3/01 , G06F18/2415 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/0499
Abstract: 本发明公开一种基于脑电的复杂动作运动想象解码方法及系统。针对单侧上肢多动作运动想象的新型脑机接口任务，设计了基于小波变换‑3D卷积‑Transformer的学习模型，解决了传统脑机接口系统中单侧肢体可识别动作少、识别效率低下、脑模式模糊不清的问题。与传统运动想象脑机接口的不同之处主要有以下几点：本发明设计了一个单侧上肢多动作的复杂动作运动想象识别模式；本发明设计了一种基于小波变换‑3D卷积‑Transformer的学习模型，可获得更加准确和稳定的结果；友好的结果可视化界面，使得被试直观方便的观察到自己的试验状态。
-
公开(公告)号：CN112698720B
公开(公告)日：2022-07-08
申请号：CN202011541158.1
申请日：2020-12-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于互信息特征提取及多人融合的运动想象识别方法。本发明如下：1.通过多通道脑电采集设备同时采集P个用户进行运动想象的脑电信号。2.对采集到的P个用户的脑电数据分别进行预处理。3.对每次采集的脑电数据分别提取一个或多个互信息向量。4.多人运动想象识别。本发明利用提取多人脑电互信息，并通过三种不同层次的融合策略，最终由K近邻算法进行分类，能够快速、准确地实现基于多人脑电数据的人脑运动想象识别。
-
公开(公告)号：CN114601474A
公开(公告)日：2022-06-10
申请号：CN202111669390.8
申请日：2021-12-31
Applicant: 杭州电子科技大学
IPC: A61B5/369 , A61B5/00 , G06K9/62 , G06V10/764 , G06V10/774 , G06N20/00
Abstract: 本发明公开了一种运动想象迁移学习的源域样本筛选方法，包括以下步骤：截取受试者的脑电信号作为运动想象数据；将一名受试者的运动想象数据设为测试集，其他受试者的数据设为训练集；使用EA对齐方法对测试集和训练集的脑电信号进行对齐；使用TS算法对训练集进行过滤运算，得出最终的源域训练集；利用CSP提取脑电信号中的特征；利用最终的源域训练集数据调整LDA参数，对测试集数据进行分类，识别受试者的运动想象的具体肢体部位。通过对齐从本质上减少了源域样本与目标样本间的差异，再剔除与目标样本差异较大的源域样本，最大化地减少两者之间的差异。
-
公开(公告)号：CN114469090A
公开(公告)日：2022-05-13
申请号：CN202111674867.1
申请日：2021-12-31
Applicant: 杭州电子科技大学
IPC: A61B5/16 , A61B5/369 , A61B5/378 , A61B5/38 , A61B5/00 , G06F3/01 , G06K9/00 , G06N3/04 , G06N3/08
Abstract: 本发明专利的目的在于克服现有技术的不足，提供一种基于跨脑耦合关系计算的情感识别在线脑机接口系统，该系统支持多人同时使用，提升在线识别的精度和稳定性，实现对细粒度具体情感的识别。本发明基于跨脑耦合关系计算的脑电情感识别方法，具体步骤如下：步骤一：情感刺激任务；步骤二：多人脑电同步采集；步骤三、数据预处理形成训练集；步骤四、打标签；步骤五、脑电耦合关系训练；步骤六、训练结果耦合关系特征计算验证。本发明提供的跨脑融合关系计算的情感识别方法通过脑电设备采集多名用户的脑电数据，并对跨脑耦合关系特征进行提取，并在线计算细粒度具体情感的识别正确率，可显著提高情感识别正确率。
-
公开(公告)号：CN112612936B
公开(公告)日：2022-03-08
申请号：CN202011581373.4
申请日：2020-12-28
Applicant: 杭州电子科技大学
IPC: G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于对偶转换网络的多模态情感分类方法。本发明结合对偶学习机制以及自注意力机制，在将一个模态转换为另一个模态的过程中，挖掘模态对之间具有方向性的长时交互的跨模态融合信息。同时，对偶学习技术能够增强模型的鲁棒性，因此能很好地应对多模态学习中存在的固有问题——模态数据缺失问题。其次，在此基础上构建的分层融合框架，将所有具有同一个源模态的跨模态融合信息拼接在一块，从而采用一维卷积层进行融合操作，能够进一步挖掘多模态信息之间的高层次互补信息，是对当前情感识别领域的多模态融合框架的有效补充。
-
-
-
-
-
-
-
-
-
Search Results
87
records
(took 0.029 seconds)
