-
公开(公告)号：CN109171713A
公开(公告)日：2019-01-11
申请号：CN201810588009.7
申请日：2018-06-08
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明涉及一种基于多模态信号的上肢运动想象模式识别方法。本发明首先，对原始近红外光谱信号进行计算，得到脑部氧合血红蛋白含量，并对氧合血红蛋白含量值提取CSP特征；其次，对采集到的脑电信号进行样本熵的提取；然后，将得到的多模态特征进行归一化，并进行串行融合；最后，采用支持向量机模型对融合后的多模态特征进行模式分类。本发明优点在于既保留了脑电信号的高空间分辨率的优势，同时又补充了近红外光谱信号的高时间分辨率的特性，提高了上肢运动想象模式的识别率。
-
公开(公告)号：CN107170219A
公开(公告)日：2017-09-15
申请号：CN201710271638.2
申请日：2017-04-24
Applicant: 杭州电子科技大学
Abstract: 本发明提供了一种移动污染源在线监测系统及方法。本发明包括监测终端，服务器端及Web客户端。监测终端通过3G/4G网络发送采集的信息，服务器端对发送的数据进行接收，并对Web客户端的请求进行响应；用户可以在Web客户端向Web服务器端发送请求，获取监测终端传感器采集的信息，根据监测终端采集的数据，利用GIS时空分析方法结合污染物扩散模型将污染物的时空分布绘制在电子地图上，所述Web客户端包括污染物时空分布显示模块及移动污染源数据报表模块。本发明提供了一种能够对移动污染源实时在线监测的方法，实时性高，精度高，响应迅速，覆盖面广，同时能够通过Web客户端对监测结果进行图形化展示。
-
公开(公告)号：CN106991810A
公开(公告)日：2017-07-28
申请号：CN201710271636.3
申请日：2017-04-24
Applicant: 杭州电子科技大学
Abstract: 本发明公布了一种应用于监测终端的多采样率方法。本发明所基于的装置包括道路监控摄像头、尾气检测传感器、数据存储单元、GPRS无线模块、数据分析中心和主控制器。该发明方法自动调节监测终端传感器采样率，实现了对汽车尾气的多采样率监测。本发明对提高设备测量的准确性、减少设备使用成本以及延长设备使用寿命具有重大的意义。
-
公开(公告)号：CN103961092B
公开(公告)日：2016-08-24
申请号：CN201410192868.6
申请日：2014-05-09
Applicant: 杭州电子科技大学
IPC: A61B5/0476
Abstract: 本发明涉及一种基于自适应阈值的脑电信号去噪方法。本发明首先，在软阈值的基础上改进阈值函数；其次，对采集到的脑电信号进行多层次的分解，得到相对应的小波细节系数；然后，根据小波分解后小波系数的统计相关性改进阈值，对小波系数进行自适应的阈值处理；最后，将缩放后的小波系数进行重构得到去噪后的EEG信号。本发明与硬阈值法、软阈值法、Garrote阈值法对比，其优点在于保持了软阈值法的平滑性，减少吉布斯现象，不仅有效的抑制了高斯噪声，同时保留EEG中大部分的有用的细节信息，为下一步的EEG特征提取和模式识别奠定良好的基础。
-
公开(公告)号：CN102930284B
公开(公告)日：2015-06-17
申请号：CN201210337353.1
申请日：2012-09-13
Applicant: 杭州电子科技大学
IPC: G06K9/62 , A61B5/0488
Abstract: 本发明涉及一种基于经验模态分解和分形的表面肌电信号模式识别方法。现有的方法大都采用单分形理论，对肌电信号仅做整体的奇异性评价，而没有研究信号的局部奇异性特征。本发明首先从相关肌肉组上采集相应的表面肌电信号，然后用经验模态分解的方法提取肌电信号的多层内在模态函数，利用多重分形分析的方法提取各层内在模态函数上的广义维数谱。最后，以各层模态函数上的广义维数谱作为模式识别的特征向量，以支持向量机为分类器实现多运动模式的分类与识别。本发明提出利用多重分形分析的方法提取各层内在模态函数上的广义维数谱作为表面肌电信号的特征，具有较好的鲁棒性，能从信噪比相对较低的肌电信号中计算出稳定的特征数据。
-
Patent Agency Ranking
公开(公告)号：CN103610466A
公开(公告)日：2014-03-05
申请号：CN201310492522.3
申请日：2013-10-17
Applicant: 杭州电子科技大学
IPC: A61B5/11 , A61B5/0488
Abstract: 本发明提出了一种基于EMD排列组合熵的肌电信号跌倒识别方法。本发明首先从相关肌肉组上采集相应的表面肌电信号，然后运用能量阈值确定sEMG的动作信号进行经验模态分解，依据频率有效度的方法自适应的选取若干个包含肌电信号有效信息的内蕴模式函数分量进行迭加作为肌电信号，求取排列组合熵作为特征向量输入主轴核聚类分类器，完成对跌倒模式的识别，为跌倒的识别开辟了一个新思路。本发明运用频率有效度的方法选取经验模态分解的若干IMF分量作为肌电信号要好于原肌电信号，EMD排列组合熵的方法要好于直接排列组合熵方法、EMD近似熵方法和近似熵方法。根据特征分布的特点，采用主轴核聚类分类器的效果也更为理想。
-
公开(公告)号：CN103258215A
公开(公告)日：2013-08-21
申请号：CN201310172234.X
申请日：2013-05-10
Applicant: 杭州电子科技大学
IPC: G06K9/66 , A61B5/0476
Abstract: 本发明涉及一种多导联间相关性分析的脑电特征提取方法。在多类运动想象任务识别中，有效提取被特定运动想象任务激活脑区的脑电信号特征，是提高识别率的关键问题之一。本发明首先采集多导联运动想象脑电信号，其次对各导联脑电信号两两之间的相关系数以获得相关系数矩阵，然后计算相关系数矩阵的行方差与所有行的方差和之间的比值及其自然对数，将所得结果作为脑电信号的特征向量，最后将特征向量输入分类器完成多类运动想象任务的分类识别。本发明提出的方法不但可以完整提取被特定运动想象任务同时激活的多个脑区上的脑电信号特征，很大程度上降低脑电信号的个体差异性对特征参数的影响，而且可以克服电极选取不足的问题。
-
公开(公告)号：CN102697495A
公开(公告)日：2012-10-03
申请号：CN201210161480.0
申请日：2012-05-23
Applicant: 杭州电子科技大学
IPC: A61B5/0488
Abstract: 本发明涉及一种基于总体平均经验模式分解的二代小波肌电信号消噪方法。本发明采用基于总体平均经验模式分解的二代小波消噪方法，获取人体的肌电信号样本数据，对原始的肌电信号加入白噪声后进行经验模态分解，然后对高频的内蕴模式函数分量进行二代小波分解及阈值处理，小波重构高频分量。最后把经过处理的高频分量与低频分量进行叠加，重构后的信号即为去噪信号。本发明将信号自适应地分解到不同的尺度上，适合非线性、非平稳信号的处理，不仅具有小波分析的全部优点，还有更清晰准确的谱结构，并能改善信号的极值点分布，具有抗混分解能力，既尽可能地保存了有用信号，又有效地消除了噪声，并且能够大幅提高信号信噪比。
-
公开(公告)号：CN117952847A
公开(公告)日：2024-04-30
申请号：CN202310224190.4
申请日：2023-03-03
Applicant: 杭州电子科技大学
IPC: G06T5/70 , G06V20/05 , G06V10/40 , G06V10/764
Abstract: 本发明涉及一种由模型引导条件对抗网络的水下图像增强方法，包括以下步骤；步骤一：搭建条件生成对抗网络的生成器U‑Net；步骤二：对U‑Net每层的编码模块和解码模块所提取的特征进行重标定；步骤三：将U‑Net的深层特征与浅层特征进行特征融合；步骤四：利用物理模型对生成器输出的估计图进行反演得到还原图像；步骤五：构建判别器并判断还原图像与真实参考图像的一致性。本发明通过物理模型引导条件生成对抗网络生成器U‑Net对提取的特征进行重标定并将深层特征和浅层特征进行融合来提高特征利用性能，从而生成准确的估计图保证物理模型的反演效果。
-
公开(公告)号：CN116776231A
公开(公告)日：2023-09-19
申请号：CN202310542817.0
申请日：2023-05-15
Applicant: 杭州电子科技大学
IPC: G06F18/2411 , G06F18/2135 , G06F18/25 , A61B5/369 , A61B5/374
Abstract: 本发明提出了一种基于黎曼流形的跨被试脑电情绪识别方法。当前基于脑电信号的跨被试情绪识别模型存在模型泛化性差、识别准确率较低等问题，且局限于脑电信号的幅值信息来进行分析，无法有效降低受试者间的差异性。本发明首先使用FIR滤波器提取出脑电信号的θ,α,β,γ四个频带，然后计算出脑电信号通道间的PLV矩阵，并在黎曼流形上将任务态的PLV矩阵对齐到静息态PLV矩阵，以降低不同受试者间的差异性。最后将PLV矩阵映射到切空间中进行分类识别。在DEAP数据集上进行了基于效价、唤醒度二分类实验以及效价‑唤醒度空间的四分类实验，结果表明了所提方法的有效性。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.027 seconds)
