-
公开(公告)号:CN117598693A
公开(公告)日:2024-02-27
申请号:CN202311571153.7
申请日:2023-11-23
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
摘要: 本发明公开了一种基于表面肌电信号的下肢动作识别方法及系统,属于模式识别技术领域,包括训练和使用两个部分,本发明利用表面肌电信号对人体下肢离散动作进行识别,能够对预测运动意图以及实时控制研究提供可靠的依据;其次,本发明利用堆叠技术和加权思路改进了标准随机森林算法,提高了随机森林算法的泛化性能,从而提高了下肢动作识别模型的实用性。
-
公开(公告)号:CN116662854A
公开(公告)日:2023-08-29
申请号:CN202310624931.8
申请日:2023-05-30
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号: G06F18/24 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/096 , G06N3/048
摘要: 本发明公开了一种适用于跨被试脑电数据的解码方法,涉及脑电信号解码技术领域,包括:获取源域数据和目标域数据;构建跨被试脑电数据解码模型;将所述源域数据和目标域数据输入至跨被试脑电数据解码模型中进行训练,根据分类损失函数和自适应损失函数,更新跨被试脑电数据解码模型的网络参数,直至达到预设的迭代停止条件,输出最优网络模型;将脑机接口使用者的在线脑电样本输入至最优网络模型中,输出目标域标签。本发明构建一个端到端的神经网络,无需繁琐的手工特征处理,同时该网络能够处理多种脑电范式,减少了网络的重复性设计,有效提升网络的运行效率,该网络有效提升了跨被试脑机接口的分类精度。
-
公开(公告)号:CN116563866A
公开(公告)日:2023-08-08
申请号:CN202310450644.X
申请日:2023-04-25
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号: G06V30/41 , G06V30/18 , G06V30/19 , G06F16/583 , G06F16/51 , G06F40/284 , G06F40/216
摘要: 本发明公开了一种基于图像特征点匹配的违规图像检测方法及系统,应用于互联网审核技术领域。包括以下步骤:S1.将图像数据库中的图像作为输入图像,首先计算输入图像对应的特征描述符集,通过特征描述符集构建一颗词汇树,并建立词袋描述符与图像之间的联系;S2.将S1中的输入图像通过词汇树检索图像数据库中与查询图像最为相似的图像作为候选图像;S3.通过图像匹配技术,计算查询图像与候选图像的相似度,选择最为相似的候选图像作为检索结果。本发明可以很好的将图像进行分类检测,过滤违规的图像。
-
公开(公告)号:CN115630305A
公开(公告)日:2023-01-20
申请号:CN202211390825.X
申请日:2022-11-07
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号: G06F18/214 , G06F18/241 , G06F123/00
摘要: 本发明提供了一种基于迁移学习的跨被试脑机接口解码方法,用于脑机解码,包括以下步骤:获取多源域数据集;除去所述多源域数据集中负影响样本,得到目标多源域数据集;根据所述目标多源域数据集对分类器进行训练,获得分类模型;将目标域数据输入所述分类模型,得到分类结果完成解码。本发明降低了脑机接口校准所需时间;本发明所用的训练数据集全部来自不同的被试,因此在实际使用时,可以采用其他被试提前采集的数据进行训练,而不需要脑机接口当前使用者采集大量训练数据或采用少量数据。
-
公开(公告)号:CN117493999A
公开(公告)日:2024-02-02
申请号:CN202311366447.6
申请日:2023-10-20
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号: G06F18/2415 , A61B5/369 , A61B5/372 , A61B5/00 , G06F18/214 , G06F18/21 , G06N3/0464
摘要: 本发明公开了一种集成的康复下肢外骨骼脑电解码方法及系统。涉及脑电解码技术领域,包括:通过脑电设备获取使用者运动皮层的EEG信号;对EEG信号进行浅层处理,得到第一类特征;构建EEG信号的深层处理网络模型,对EEG信号进行深层处理,得到第二类特征;将第一类特征和第二类特征合并,并训练分类器,解码出EEG信号的运动意图;根据解码出的运动意图对使用者进行视觉反馈,之后在下肢外骨骼设备执行解码后的运动,得到本体感觉反馈。本发明将浅层和深层神经网络结合起来,以提升下肢运动意向的性能,在下肢外骨骼设备上进行连续的运动想象实验,并采集连续的EEG脑电信号,设计了在线视觉和本体感觉反馈的实验范式。
-
公开(公告)号:CN117260715A
公开(公告)日:2023-12-22
申请号:CN202311186743.8
申请日:2023-09-14
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
摘要: 本发明公开了一种面向台架式下肢外骨骼的仿生步态生成系统及方法,涉及仿生步态生成技术领域,包括变分控制器、状态观测器、振荡器序列、步态发生器,其中变分控制器、状态观测器、振荡器序列依次连接,步态发生器的输出端与振荡器序列的输入端连接,振荡器序列的输出端与台架式下肢外骨骼连接;步态发生器用于生成基本步态;变分控制器用于接收用户需求和环境信息,并对振荡器序列进行参数优化;状态观测器用于将该参数优化结果传输至振荡器序列;振荡器序列基于基本步态和参数优化结果,进行步态重构。本发明可以稳定地适应不同的用户需求和外部环境,实现行走速度的在线调节,佩戴者可以在跑步机上静态启动。
-
公开(公告)号:CN115153593A
公开(公告)日:2022-10-11
申请号:CN202211009774.1
申请日:2022-08-23
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学 , 浙江中医药大学附属第三医院
摘要: 本发明公开了一种肘关节力矩的肌电估计方法及测量装置,涉及人体生物信号处理、上肢康复外骨骼主动控制领域。本发明包括以下步骤:采集训练集,所述训练集包括肌电信号、肘关节角度信号以及关节力矩信号;将所述训练集分别输入到随机森林回归算法模型、果蝇优化算法模型中,所述果蝇优化算法模型输出最优参数,所述随机森林回归算法模型利用所述最优参数构建肘关节力矩估计模型;利用所述肘关节力矩估计模型对肘关节力矩进行在线估计。本发明有效提高了肌电估计的准确性。
-
公开(公告)号:CN117281537A
公开(公告)日:2023-12-26
申请号:CN202311345095.6
申请日:2023-10-18
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号: A61B5/389 , A61B5/397 , A61B5/00 , A61B5/11 , G06F18/10 , G06F18/213 , G06F18/27 , G06N3/006 , G06N20/10
摘要: 本发明公开了一种基于肌电信号的上肢肘关节角度估计方法及系统,属于信号处理及模式识别领域。该方法包括:采集人体上肢相关肌肉的肌电信号以及运动过程中关节角度;对肌电信号进行预处理,提取肌电信号的特征;定义支持向量回归模型,将提取的肌电信号的特征以及采集得到的运动过程中关节角度输入到支持向量回归模型中;通过鲸鱼优化算法对支持向量回归模型进行迭代训练,得到优化后的惩罚因子和核函数参数;利用优化后的惩罚因子和核函数参数用于建立WOA‑SVR回归模型;将待检测肌电信号输入到WOA‑SVR回归模型,得到对应的上肢肘关节角度估计结果。
-
公开(公告)号:CN116807457A
公开(公告)日:2023-09-29
申请号:CN202310799149.X
申请日:2023-07-03
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
摘要: 本发明公开了一种基于单肌电传感器的步态事件检测方法,应用于步态检测技术领域,采集股直肌的肌电信号,并对肌电信号进行预处理;对预处理后的肌电信号进行RMS特征提取,得到RMS特征组;将RMS特征组进行平滑处理,并计算所有极值点;根据极值点判断是否为极大值点,若是,则进入触发条件判断,若否,则返回继续采集肌电信号并重新处理;利用极大值和极小值的数值差与判断阈值比较,进行触发条件判断,若满足,则输出触发时刻对应的信号,若不满足返回继续采集肌电信号并重新处理。通过本发明能够准确检测支撑中期步态事件,得到其他步态参数,将该事件时刻实时发送给下肢外骨骼机器人,能够根据接收到的步态参数做出相应的控制调整。
-
公开(公告)号:CN116188904A
公开(公告)日:2023-05-30
申请号:CN202310115401.0
申请日:2023-02-15
申请人: 北京航空航天大学杭州创新研究院 , 北京航空航天大学
IPC分类号: G06V10/774 , G06V10/30 , G06V20/10
摘要: 本发明公开了一种基于交叉蒸馏的单目深度估计模型训练方法,涉及深度学习领域。本发明包括以下步骤:将城市RGB图像输入到单目深度估计模型中;所述单目深度估计模型对所述城市RGB图像生成第一深度预测和第二深度预测;将两个预测深度用作伪标签,并对伪标签降噪;利用降噪后的伪标签对单目深度估计模型完成优化。本发明能够有效提高精度,且性能优越。
-
-
-
-
-
-
-
-
-