-
公开(公告)号：CN116869777A
公开(公告)日：2023-10-13
申请号：CN202310918836.9
申请日：2023-07-25
Applicant: 哈尔滨工业大学
Abstract: 针对脑卒中患者的上肢全周期康复训练装置，属于康复机器人领域。本发明的目的是为了解决传统人工康复训练和机器人被动康复训练均为被动式训练方式，存在康复效率低的问题。上位机，用于控制机械臂在台面上运动，从而带动患者患肢运动；肌电采集装置，用于采集患者处于痉挛期时，待测肌肉皮肤表面产生的肌电信号，传至上位机；上位机，还用于对接收到的肌电信号进行处理，得到动作目标用以调整机械臂的动作；力传感器，用于实时采集患者患肢施加在康复训练手柄上的力信息，并发送至上位机；上位机，还用于根据所述的力信息，不断调整机械臂的运动阻力。用于根据患者不同的病况设置不同的康复训练模式。
-
公开(公告)号：CN115964655A
公开(公告)日：2023-04-14
申请号：CN202310041182.6
申请日：2023-01-13
Applicant: 哈尔滨工业大学
IPC: G06F18/24 , G06F18/10 , G06F18/213 , G06F18/2411
Abstract: 一种基于互信息量的脑机接口中错误相关电位的监测方法，涉及一种错误相关电位的识别方法，为了解决现有的脑机接口对错误相关电位信号识别率差的问题。本发明通过对原始脑电信号进行预处理，并进行无重叠滑动窗分析，提取出时域特征；利用Welch法对该信号进行特征提取，获取频域特征；将时域特征与频域特征进行特征组合，利用互信息作为特征和正误类别之间的测度，计算特征与类别的互信息量并进行排序，筛选出排名靠前的特征；利用最小二乘支持向量机进行始错误相关电位分类，对样本进行留一交叉验证，获取并保留个体最佳模型，得到最终错误相关电位分类的准确率。有益效果为提高了错误相关电位的识别精度。
-
公开(公告)号：CN112364808A
公开(公告)日：2021-02-12
申请号：CN202011330703.2
申请日：2020-11-24
Applicant: 哈尔滨工业大学
Abstract: 基于FMCW雷达与人脸跟踪识别的活体身份认证方法，涉及身份识别技术领域。本发明是为了解决现有的人脸识别技术难以精确的对照片、视频、建模等欺骗手段进行区分的问题。本发明首先通过FMCW雷达对测量物进行呼吸及心跳信号检测，当被测物具有呼吸及心跳信号后将对人脸进行检测，跟踪及特征提取，并通过FMCW雷达提取当前测量人员的呼吸信号特征，最后对提取的面部特征及人员呼吸特征分别与训练集的样本进行比对，当两部分的比对结果均为是时，则身份识别成功，若存在一个甚至多个不是，则识别失败。
-
公开(公告)号：CN105575382B
公开(公告)日：2019-09-13
申请号：CN201511018762.5
申请日：2015-12-29
Applicant: 哈尔滨工业大学
IPC: G10K11/178
Abstract: 一种快速稳定收敛的完全并行窄带主动噪声控制方法，本发明涉及快速稳定收敛的完全并行窄带主动噪声控制方法。本发明的目的是为了解决现有各频率通道的主控制器系数却仍由系统的整体残余误差进行更新，导致各通道控制器之间相互影响，系统的收敛速度低的问题。具体过程为：一、建立具有正弦特性的初级噪声信号p(n)；二、合成与一中的初级噪声信号p(n)幅值相等、相位相反的次级噪声信号y(n)；三、当一中的初级噪声信号p(n)和二中的次级噪声信号y(n)相消以后，通过麦克风测得系统总体残余误差信号e(n)；四、根据三中测得的系统总体残余误差信号e(n)，得出残余误差分离子系统分离出的第i个频率通道的残余误差信号ei(n)。本发明应用于噪声处理领域。
-
公开(公告)号：CN107928631A
公开(公告)日：2018-04-20
申请号：CN201711392782.8
申请日：2017-12-21
Applicant: 哈尔滨工业大学
IPC: A61B5/00 , A61B5/1455
CPC classification number: A61B5/0075 , A61B5/0042 , A61B5/14546 , A61B5/14553 , A61B5/7203 , A61B5/7235
Abstract: 基于差分路径因子估计的近红外脑功能信号处理方法，本发明涉及近红外脑功能信号处理方法。本发明目的是为了解决现有技术中修正郎伯比尔定律所使用的差分路径因子参考值与实际测量对象的真实差分路径因子存在较大的差异，同时光源检测器所采集到的光密度变化量的时间序列信号中也存在着测量误差干扰，导致对连续波近红外脑功能活动响应信号测量提取精度低的问题。获得不同波长的近红外光在距离检测器相同距离下的光密度变化量的时间信号；采用修正郎伯比尔定律对信号构建方程；将方程组改写为矩阵形式；对增广矩阵进行奇异值分解；得到检测器处的氧合血红蛋白和还原血红蛋白浓度变化时间信号的总体最小二乘解。本发明用于脑功能信号领域。
-
Patent Agency Ranking
公开(公告)号：CN107049303A
公开(公告)日：2017-08-18
申请号：CN201710148736.7
申请日：2017-03-10
Applicant: 哈尔滨工业大学
IPC: A61B5/0444 , A61B5/00
CPC classification number: A61B5/0444 , A61B5/4362 , A61B5/7203 , A61B5/725
Abstract: 一种基于多腹导和多胸导的自适应胎儿心电信号提取系统及方法，属于胎儿心电信号检测技术领域。多腹导心电信号经过线性结合器得到自适应噪声抵消器的原始通道总输入；多胸导心电信号经过线性和非线性滤波器得到自适应噪声抵消器的参考通道总输出；利用自适应RLS算法调整原始通道中线性结合器的系数；利用自适应LMS算法分别调整每个参考通道中线性和非线性滤波器的权值；把自适应噪声抵消器的原始通道总输入与参考通道总输出相减得到的误差输出，作为胎儿心电信号的估计。该方法不仅克服了多腹导通道优化问题，还解决了母体心电信号从胸部区域到腹部区域之间非线性导致胎儿心电信号提取精度低的问题，可以实时地提取胎儿心电信号用于临床医学诊断。
-
公开(公告)号：CN104224165A
公开(公告)日：2014-12-24
申请号：CN201410474988.5
申请日：2014-09-17
Applicant: 哈尔滨工业大学
IPC: A61B5/0476
Abstract: 基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法，本发明涉及一种信号抗差估计方法，具体涉及基于多距测量方法及最小一乘准则的近红外脑功能信号抗差估计方法。本发明目的是为解决目前粗差严重影响脑功能信号的准确提取。步骤一、使用光源S和D1和D2构成的近红外探头进行探测；步骤二、获得反应光强信息的电信号；步骤三、获取D1测得的Δ[HbO2]N(k)和Δ[HHb]N(k)，D2测得的Δ[HbO2]F(k)和Δ[HHb]F(k)；步骤四、用x(k)表示Δ[HbO2]N(k)或Δ[HHb]N(k)；步骤五、用y(k)表示Δ[HbO2]F(k)或Δ[HHb]F(k)；步骤六、脑功能信号表示为s(k)＝y(k)-βx(k)；步骤七、利用最小一乘准则求解使J(k)最小的权重系数β，获得误差性能函数J(k)，表示为步骤八、获得脑功能信号s(k)。本发明应用于信号处理领域。
-
公开(公告)号：CN101972148B
公开(公告)日：2011-11-16
申请号：CN201010551128.9
申请日：2010-11-19
Applicant: 哈尔滨工业大学
IPC: A61B5/1455
Abstract: 基于经验模态分解的近红外脑功能检测的扰动消除方法，属于光学领域，本发明为解决采用低通滤波无法全面有效去除脑功能检测时生理扰动；采用自适应滤波技术存在需要借助额外的设备、结构复杂的问题。本发明方法包括以下步骤：一、在待测脑组织的头皮表面放置由双波长光源和检测器构成的近红外探头，获得光密度变化量时间序列：和二、采用修正朗伯比尔定律获取氧合血红蛋白浓度变化量时间序列Δ[HbO2](t)和还原血红蛋白浓度变化量时间序列Δ[HHb](t)；三、对Δ[HbO2](t)和Δ[HHb](t)分别进行经验模态分解，获得所有的IMF分量；四、对所有IMF分量进行希尔伯特变换，将瞬时频率处于正常人呼吸频率和心脏跳动频率范围内的IMF分量剔除，以消除近红外脑功能检测时的生理扰动。
-
公开(公告)号：CN102221373A
公开(公告)日：2011-10-19
申请号：CN201110073471.1
申请日：2011-03-25
Applicant: 哈尔滨工业大学
IPC: G01D3/028
Abstract: 基于自由节点递推B样条的传感器非线性补偿方法，属于传感器技术领域。它解决了现有传感器采用的基于逆模型的非线性补偿方法计算量大的问题。实验获取所述传感器的输入输出样本数据，利用输入输出样本数据产生自由节点；以样本数据的输出变量作为逆模型结构的输入变量，以样本数据的输入变量作为逆模型结构的输出变量，根据自由节点，建立B样条函数描述的逆模型结构；根据自由节点，从样本数据中选择训练样本；根据训练样本和递推最小二乘方法计算以B样条函数描述的逆模型结构的控制系数，获得完整的传感器B样条逆模型；用完整的传感器B样条逆模型处理所述传感器的输出变量，实现传感器的非线性补偿。本发明适用于传感器的非线性补偿。
-
公开(公告)号：CN101972148A
公开(公告)日：2011-02-16
申请号：CN201010551128.9
申请日：2010-11-19
Applicant: 哈尔滨工业大学
IPC: A61B5/1455
Abstract: 基于经验模态分解的近红外脑功能检测的扰动消除方法，属于光学领域，本发明为解决采用低通滤波无法全面有效去除脑功能检测时生理扰动；采用自适应滤波技术存在需要借助额外的设备、结构复杂的问题。本发明方法包括以下步骤：一、在待测脑组织的头皮表面放置由双波长光源和检测器构成的近红外探头，获得光密度变化量时间序列：和二、采用修正朗伯比尔定律获取氧合血红蛋白浓度变化量时间序列Δ[HbO2](t)和还原血红蛋白浓度变化量时间序列Δ[HHb](t)；三、对Δ[HbO2](t)和Δ[HHb](t)分别进行经验模态分解，获得所有的IMF分量；四、对所有IMF分量进行希尔伯特变换，将瞬时频率处于正常人呼吸频率和心脏跳动频率范围内的IMF分量剔除，以消除近红外脑功能检测时的生理扰动。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.03 seconds)
