-
公开(公告)号：CN119587049A
公开(公告)日：2025-03-11
申请号：CN202411772978.X
申请日：2024-12-04
Applicant: 大连海事大学
IPC: A61B5/397 , A61B5/389 , A61B5/00 , G06N3/045 , G06N3/0464 , G06F18/214 , G06N3/08 , G06N3/084 , G06F18/24 , G06F18/23 , G06F18/10
Abstract: 本发明提供一种基于注意力机制和卷积网络的肌电信号实时分解方法，包括以下步骤：采集若干时刻下，不同收缩强度的高密度表面肌电信号，并使用滑动窗口方法构建离线数据集；基于卷积核补偿算法将所述离线数据集中的高密度表面肌电信号分解为运动单元发放时间序列；构建具有注意力机制的卷积神经网络；根据所述离线数据集中的高密度表面肌电信号和对应的运动单元发放时间序列，对具有注意力机制的卷积神经网络进行训练，得到分解模型；将实时采集的高密度表面肌电信号输入到所述分解模型中，输出对应的运动单元发放时间序列。本发明在深度卷积神经网络中添加的注意力机制，在提高高密度表面肌电信号分解准确性的同时降低训练模型的计算成本。
-
公开(公告)号：CN116842419A
公开(公告)日：2023-10-03
申请号：CN202310643511.4
申请日：2023-06-01
Applicant: 大连海事大学
IPC: G06F18/24 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/08
Abstract: 本发明为一种结合多尺度卷积和注意力机制的手部连续运动估计方法，公开了一种基于表面肌电信号连续估计人体关节角度的方法，属于人机交互领域。该方法包括下列步骤:对采集待预测对象的关节部位肌电信号和关节角度信号分别进行预处理，以实现肌电信号和关节角度信号采样时间一一对应；利用训练集中的肌电信号和关节角度信号作为样本进行输入，以构建预测模型，对预测模型进行训练，得到训练好的预测模型；实时采集待预测对象的肌电信号，并将其输入训练好的预测模型以进行关节角度的预测；将上述预测输出的角度信号进行实时平滑处理，以此获得所需的关节角度信号。通过本发明，以连续的方式实现表面肌申信号映射到关节角度上的运动，保证连续估计的实时性，提高预测准确性，降低计算复杂度。
-
公开(公告)号：CN119669857A
公开(公告)日：2025-03-21
申请号：CN202411741405.0
申请日：2024-11-29
Applicant: 大连海事大学
IPC: G06F18/241 , A61B5/372 , A61B5/369 , A61B5/00 , G06F18/10 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06F123/02
Abstract: 本申请适用于运动想象分类技术领域，提供了基于多视图特征的运动想象分类方法、装置、设备及介质，方法包括：通过预设滤波器对原始脑电图信号进行组频谱滤波，得到原始脑电图信号的多视图特征；对所述多视图特征进行时域卷积处理，得到原始脑电图信号的多尺度时间信息，并将所述多尺度时间信息和所述多视图特征相加，得到组合特征；按时间维度将所述组合特征划分为时间窗集合，所述时间窗集合内的各个时间窗彼此不重叠；在各个时间窗中提取目标时间特征，并通过Transformer模块提取各个时间窗沿时间维度的全局依赖关系；根据所述全局依赖关系完成运动想象的分类。
-
公开(公告)号：CN119785423A
公开(公告)日：2025-04-08
申请号：CN202411811915.0
申请日：2024-12-10
Applicant: 大连海事大学
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06V10/80 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供一种基于自适应结构优化的资源灵活性骨架动作分类方法，包括：采集待训练的骨架视频样本，并进行预处理，构建合格数据集；将合格数据集作为基础输入IC‑GC空间域模型，得到每个关节的独特特征和不同关节间的交互信息；将IC‑GC空间域模型的输出作为IC‑TC时间域模型的输入，得到通用特征和突出特征；引入Skip‑Trans跳转链接机制，实现模型不同层级间的信息传递，保留深层迭代过程中的关键信息；针对不同硬件环境和效率需求，设计IC‑GCN‑Plus和IC‑GCN‑Light两种模型变体，实现骨架动作分类。
-
公开(公告)号：CN116756651A
公开(公告)日：2023-09-15
申请号：CN202310712263.4
申请日：2023-06-15
Applicant: 大连海事大学
IPC: G06F18/2415 , A61B5/11 , A61B5/389 , A61B5/397 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06F3/01 , G06F123/02
Abstract: 本发明提供一种基于手腕肌电信号的手部动作识别方法。本发明方法，包括：采集多种手部动作的手腕肌电信号，手腕肌电信号具有动作标签，动作标签与手部动作对应；对手腕肌电信号进行预处理；利用滑动窗口机制对预处理后的手腕肌电信号进行分割得到手腕肌电信号样本；对手腕肌电信号样本进行归一化处理；将归一化处理后的手腕肌电信号样本输入移动卷积注意力网络进行训练；将测试集输入训练后的移动卷积注意力网络得到分类结果，通过解码肌电信号内的手部动作相关信息，建立关联肌电信号和手部动作的预测模型，实现对手部动作的分类。
-
Patent Agency Ranking
公开(公告)号：CN119949812A
公开(公告)日：2025-05-09
申请号：CN202411939585.3
申请日：2024-12-26
Applicant: 大连海事大学
Abstract: 本发明公开了一种手部连续运动估计方法以及康复训练机器人控制方法，涉及生物信号处理技术领域。运动估计方法包括：获取关节部位的表面肌电信号和手部关节角度信号进行预处理，生成训练数据；构建结合并行模块和外部注意力特征提取机制的手部连续运动估计模型，将表面肌电特征作为模型输入、将手部关节角度信号作为模型输出训练所述手部连续运动估计模型；采集待估计的表面肌电信号进行特征提取输入训练后的手部连续运动估计模型；获取所述手部连续运动估计模型输出的手部关节角度信号，并对所述手部关节角度信号进行平滑处理，从而获取手部连续运动估计结果。本发明能够运用表面肌电信号提高人体手部多关节角度的识别精度和识别效率。
-
公开(公告)号：CN119785422A
公开(公告)日：2025-04-08
申请号：CN202411811914.6
申请日：2024-12-10
Applicant: 大连海事大学
IPC: G06V40/20 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/088
Abstract: 本发明提供一种基于多模态关键语义的无监督骨架行为识别方法及系统，本发明方法包括：采集预训练的多模态骨架视频序列，进行预处理，构建骨架数据集；利用多模态大语言模型对骨架数据集中的每一类动作图像进行时序理解，并生成关键描述，通过语义编码器生成文本描述特征簇；通过混合增强策略和时空图卷积ST‑GCN模型捕捉骨架数据集中图片的骨架动作特征簇；利用GLIP语义对齐策略，将文本描述特征簇和骨架动作特征簇映射至同一个表征空间，将不同动作进行相似性比较，利用反向传播训练骨架编码器，实现骨架行为识别。
-
公开(公告)号：CN117193017A
公开(公告)日：2023-12-08
申请号：CN202311309556.4
申请日：2023-10-09
Applicant: 大连海事大学
IPC: G05B13/04
Abstract: 本发明公开了一种固定时间无人艇精确协同路径跟踪控制方法，包括构建无人艇的协同运动模型，构建无人艇的路径参数和对应的参考路径，设计固定时间路径参数更新律，基于无人艇的协同运动模型和更新后的参考路径设计无人艇的位置跟踪误差方程，根据位置跟踪误差方程设计无人艇的固定时间航速航向制导律，设计固定时间扰动观测器、误差性能指标函数、动态事件触发机制、纵向和艏向滑膜函数，基于固定时间扰动观测器、速度期望值、误差性能指标函数、动态事件触发机制与纵向和艏向滑膜函数设计速度控制律，速度控制律用于控制无人艇的速度在固定时间内与速度期望值的误差收敛于原点。实现在多种干扰的情况下，使多无人艇进行准确的协同路径跟踪控制。
-
公开(公告)号：CN116919427A
公开(公告)日：2023-10-24
申请号：CN202310819057.3
申请日：2023-07-05
Applicant: 大连海事大学
Abstract: 本发明提供一种基于快速梯度卷积核补偿的表面肌电信号分解方法，包括：对多通道的表面肌电信号进行数学建模；对构建的多通道的表面肌电信号模型进行扩展；基于所述扩展肌电信号、发放时间序列以及噪声序列构建对应的表面肌电信号的卷积混合模型；构建表面肌电信号的互相关矩阵，并初始化活动指数；基于所述活动指数初始化互相关向量；获取梯度函数和学习率；引入指数加权移动平均模型，离线计算并迭代更新互相关向量；提取滑动窗口中的肌电信号并拓展，计算扩展后的互相关矩阵，并估算每个运动单元的发放时间序列；重新计算每个运动单元的发放时间序列，直至完成所有信号分解。本发明能够提高表面肌电信号分解效率，适用于实时分解过程。
-
公开(公告)号：CN116595318A
公开(公告)日：2023-08-15
申请号：CN202310559224.5
申请日：2023-05-17
Applicant: 大连海事大学
IPC: G06F18/10 , G06N3/0455 , G06N3/082 , G06F18/213
Abstract: 本发明提供一种基于sEMG的手指关节连续运动估计方法及系统。方法包括获取手指多关节连续运动的手臂表面肌电信号和手指关节的实时角度数据；对表面肌电信号进行时序特征均方根值计算，构建时序特征向量；对所述时序特征向量和手指关节的实时角度数据分别进行归一化处理，根据归一化后的时序特征向量和对应的手指关节实时角度构建训练数据对；将训练数据对中的时序特征向量作为输入、对应的手指关节实时角度作为输出，训练改进的Transformer神经网络模型；基于训练好的改进的Transformer神经网络模型进行手指关节运动估计。本发明能够实现对手指关节动作的精确估计，运算速度快，估计精度高。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.064 seconds)
