-
公开(公告)号：CN117132815A
公开(公告)日：2023-11-28
申请号：CN202311088296.2
申请日：2023-08-28
Applicant: 东南大学
IPC: G06V10/764 , G06V10/80 , G06N3/0464 , G06F17/16 , G06F17/18 , A61B5/374
Abstract: 本发明公开了一种基于时频多层脑网络的自然手部动作脑电识别方法，包括:（1）对自然手部动作的多通道脑电信号进行采集；（2）对多通道EEG信号进行预处理，提取每个时间点的δ波，θ波，α波，β波，γ波。（3）利用wSAR模型构建时域多层脑网络；（4）利用跨频率耦合计算频域多层脑网络；（5）将时域与频域多层脑网络组合并标准化；（6）计算多层脑网络的多层网络度量与分解后的超邻接矩阵，并将其输入双层图卷积网络GCN，融合人工，浅层，深层特征进行分类。本发明使用wSAR模型与跨频率耦合CFC提出了一种新的时频融合多层脑网络，同时使用两层GCN全面提取了多层脑网络的特征信息，有利于揭示大脑的神经生理学机制和提高自然动作脑电的解码精度。
-
公开(公告)号：CN117131396A
公开(公告)日：2023-11-28
申请号：CN202311088295.8
申请日：2023-08-28
Applicant: 东南大学
IPC: G06F18/23213 , G06F18/24 , G06F17/11 , G06F17/16 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于神经特征和LSTM的手腕力矩在线估计方法，包括以下步骤：（1）实验人员保持手臂不动，通过手腕对力矩传感器施加力矩；（2）同步采集力矩传感器的数据和高密度表面肌电信号；（3）使用盲源分离算法对高密度表面肌电信号进行分解，得到运动单位尖峰队列MUST；（4）基于原始HD‑sEMG信号和分解得到的MUST，构建输入输出向量，对LSTM进行训练，同时将神经特征的放电率与力矩进行多项式回归；（5）通过滑动窗口计算CST的实时放电率DR用于力矩的实时估计。本发明用于机械假手的自然控制与实时控制，能够为残障人士提供更好的交互体验，同时也能广泛应用于康复机器人、人机交互等领域。
-
公开(公告)号：CN112508056B
公开(公告)日：2022-04-29
申请号：CN202011265774.9
申请日：2020-11-13
Applicant: 东南大学
Abstract: 基于移动多源感知的城市空气质量监测方法，获取移动空气质量参数阶段是利用环境监测传感器和组合定位模块，记录移动载体(行人可穿戴式、共享单车、公共交通、无人机)在每个采集点的时间位置和该位置的环境参数；多源数据处理阶段是利用数据处理存储模块对移动空气质量数据进行异构融合、去噪滤波、时空插值和数据库构建；环境时空分析评估阶段是聚类算法、热力图可视化对多源空气数据进行数据建模、时空分析。该方法与传统环境固定监测相比，利用移动、多载体数据采集方式，大幅降低固定监测节点的数量和成本，采用卡尔曼滤波降低噪声，加权K近邻插值算法将离散点插值到均匀网格空间离散点绘制曲面，并可视化。
-
公开(公告)号：CN112508056A
公开(公告)日：2021-03-16
申请号：CN202011265774.9
申请日：2020-11-13
Applicant: 东南大学
Abstract: 基于移动多源感知的城市空气质量监测方法，获取移动空气质量参数阶段是利用环境监测传感器和组合定位模块，记录移动载体(行人可穿戴式、共享单车、公共交通、无人机)在每个采集点的时间位置和该位置的环境参数；多源数据处理阶段是利用数据处理存储模块对移动空气质量数据进行异构融合、去噪滤波、时空插值和数据库构建；环境时空分析评估阶段是聚类算法、热力图可视化对多源空气数据进行数据建模、时空分析。该方法与传统环境固定监测相比，利用移动、多载体数据采集方式，大幅降低固定监测节点的数量和成本，采用卡尔曼滤波降低噪声，加权K近邻插值算法将离散点插值到均匀网格空间离散点绘制曲面，并可视化。
-
-
-
Search Results
4
records
(took 0.013 seconds)
