-
公开(公告)号：CN110598628A
公开(公告)日：2019-12-20
申请号：CN201910860988.1
申请日：2019-09-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于集成深度学习的肌电信号手部运动识别方法，首先对连续肌电信号进行窗口化分割。接着对肌电信号进行预处理，使用离散傅里叶变换提取肌电信号的频域表示数据，使用离散小波包变换提取肌电信号的时频域表示数据，使用min-max方式对肌电信号时域、频域和时频域数据进行标准化。然后基于卷积神经网络设计了初级分类器模型，分别使用时域、频域和时频域表示数据训练三个初级分类器。最后基于Stacking的方法设计次级分类器，将三个初级分类生成的结果拼接，并用于次级分类器的训练，本发明避免了人工提取特征时重要信息的遗漏，提高了肌电信号手部运动识别的准确率。
-
公开(公告)号：CN112043280A
公开(公告)日：2020-12-08
申请号：CN202010912563.3
申请日：2020-09-03
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于智能手机步态识别的危险驾驶行为检测方法，包括收集用户原始步态数据；发送至终端电脑进行预处理；分割原始数据，提取时频域特征值；采用预设分类算法对提取的特征值进行危险驾驶行为识别，建立危险驾驶行为识别模型；将危险驾驶行为模型的终端部署至智能手机终端；本发明还提供了一种基于智能手机步态识别的危险驾驶行为检测方法的检测系统，包括数据收集及处理模块、特征值提取模块、危险驾驶行为检测模块和预警模块；可以帮助智能手机用户实时通过步态检测用户是否存在危险驾驶行为，从而判别用户是否可以驾车。
-
公开(公告)号：CN110598628B
公开(公告)日：2022-08-02
申请号：CN201910860988.1
申请日：2019-09-11
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于集成深度学习的肌电信号手部运动识别方法，首先对连续肌电信号进行窗口化分割。接着对肌电信号进行预处理，使用离散傅里叶变换提取肌电信号的频域表示数据，使用离散小波包变换提取肌电信号的时频域表示数据，使用min‑max方式对肌电信号时域、频域和时频域数据进行标准化。然后基于卷积神经网络设计了初级分类器模型，分别使用时域、频域和时频域表示数据训练三个初级分类器。最后基于Stacking的方法设计次级分类器，将三个初级分类生成的结果拼接，并用于次级分类器的训练，本发明避免了人工提取特征时重要信息的遗漏，提高了肌电信号手部运动识别的准确率。
-
-
Search Results
3
records
(took 0.024 seconds)
