-
公开(公告)号：CN115474945B
公开(公告)日：2024-04-12
申请号：CN202211122284.2
申请日：2022-09-15
Applicant: 燕山大学
Abstract: 本发明是一种面向多通道脑肌电耦合分析的多元全局同步指数方法，能够从全局角度探究两组多维信号间关系，可应用于多模态信号分析中，评估大脑和肌肉不同区域信息交流的同步强度。首先，对脑肌电数据预处理并提取频段信息；其次，构建数据集并利用网格划分，统计网格中数据点出现频率计算互信息，并标准化处理得到同步系数，构建相关矩阵；然后，通过矩阵运算去除自相关，计算特征值并在标准化后求取熵值，得到多通道脑肌间全局同步指数。该方法从构建系统间相关矩阵出发，克服了系统差异性，保留了系统间的信息传递，实现了从整体上分析区域内的脑肌电同步关系，在分析多通道脑肌间同步关系或其他类型多维信号关联关系时具有良好应用前景。
-
公开(公告)号：CN110428043B
公开(公告)日：2021-05-07
申请号：CN201910622679.0
申请日：2019-07-11
Applicant: 燕山大学
Abstract: 本发明公开了一种基于粒子群算法的神经元群模型参数自适应优化方法，其步骤包括：S1：初始化粒子群，设置粒子群算法基本参数，设置每个粒子的参数组合搜索范围，设置神经元群模型基本参数；S2：计算初始粒子群中每个粒子的适应度值，根据粒子适应度值初始化粒子个体极值和全局极值；S3：更新粒子速度和位置；S4：计算新的粒子适应度值，更新粒子个体极值和全局极值；S5：判断是否满足最大迭代次数，是则输出全局最优粒子，否则返回步骤S3；步骤S6：根据步骤S5输出的全局最优粒子，获得脑电频段的最优参数组合。本发明提供了一种便捷高效的神经元群模型参数调节方法，增加了参数辨识准确性，缩短了调节时间。
-
公开(公告)号：CN111227830A
公开(公告)日：2020-06-05
申请号：CN202010095062.0
申请日：2020-02-14
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00
Abstract: 本发明公开了一种基于复杂改进多尺度传递熵的脑肌电耦合分析方法，包括：采集脑电信号和肌电信号、并对采集到的脑电信号和肌电信号分别去除基线漂移、溢出、眼动和工频干扰；采用复杂改进粗粒化过程对脑电和肌电信号进行频谱分解，分析脑电信号和肌电信号不同时频尺度间的同步特性，定量描述脑肌间非线性耦合和信息传递特征；对脑肌间非线性耦合和信息传递特征进行运动功能分析。本方法利用复杂改进多尺度传递熵分析脑肌电信号信息传递特性，定量描述脑电信号与肌电信号不同时频尺度间非线性耦合及信息传递特征，有助于探索大脑皮层与肌肉之间的功能联系。
-
公开(公告)号：CN106529421A
公开(公告)日：2017-03-22
申请号：CN201610916704.2
申请日：2016-10-21
Applicant: 燕山大学
CPC classification number: G06K9/00523 , G06F3/015 , G06K9/00536
Abstract: 本发明公开了一种基于混合脑机接口技术的情绪及疲劳检测辅助驾驶系统，包括脑电信号采集部分、脑电信号处理分析部分、疲劳报警及语音控制车载电器部分。脑电信号采集部分采集模拟量脑电信号输出至脑电信号处理部分，脑电信号处理部分对脑电信号进行处理且计算驾驶员疲劳程度并将结果发送至疲劳报警及语音控制车载电器部分，疲劳报警及语音控制车载电器部分根据得到的结果做出相应的报警并发送至电器设备控制模块进行对车载电器设备的控制。本发明针对驾驶员在驾驶过程中产生的疲劳和情绪状况进行检测，消除因驾驶疲劳和“路怒”驾驶带来的安全隐患，降低交通事故的发生率，并能语音控制空调、多媒体、天窗等设备辅助控制，提高驾驶的安全性。
-
公开(公告)号：CN111227830B
公开(公告)日：2021-06-29
申请号：CN202010095062.0
申请日：2020-02-14
Applicant: 燕山大学
Abstract: 本发明公开了一种基于复杂改进多尺度传递熵的脑肌电耦合分析方法，包括：采集脑电信号和肌电信号、并对采集到的脑电信号和肌电信号分别去除基线漂移、溢出、眼动和工频干扰；采用复杂改进粗粒化过程对脑电和肌电信号进行频谱分解，分析脑电信号和肌电信号不同时频尺度间的同步特性，定量描述脑肌间非线性耦合和信息传递特征；对脑肌间非线性耦合和信息传递特征进行运动功能分析。本方法利用复杂改进多尺度传递熵分析脑肌电信号信息传递特性，定量描述脑电信号与肌电信号不同时频尺度间非线性耦合及信息传递特征，有助于探索大脑皮层与肌肉之间的功能联系。
-
Patent Agency Ranking
公开(公告)号：CN111067514A
公开(公告)日：2020-04-28
申请号：CN202010018077.7
申请日：2020-01-08
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明涉及一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，属于非线性动力学因果系统及大脑感觉运动网络研究的技术领域，其包括以下步骤：一、采用32通道的Neuracle设备采集多通道脑电信号；二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理；三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解；四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性，定量刻画不同脑区间非线性耦合和信息传递特征。本发明具有能够描述大脑运动感觉皮层间的非线性特征，并深入探索大脑不同区域间的耦合强度及信息传递的效果。
-
公开(公告)号：CN110428043A
公开(公告)日：2019-11-08
申请号：CN201910622679.0
申请日：2019-07-11
Applicant: 燕山大学
Abstract: 本发明公开了一种基于粒子群算法的神经元群模型参数自适应优化方法，其步骤包括：S1：初始化粒子群，设置粒子群算法基本参数，设置每个粒子的参数组合搜索范围，设置神经元群模型基本参数；S2：计算初始粒子群中每个粒子的适应度值，根据粒子适应度值初始化粒子个体极值和全局极值；S3：更新粒子速度和位置；S4：计算新的粒子适应度值，更新粒子个体极值和全局极值；S5：判断是否满足最大迭代次数，是则输出全局最优粒子，否则返回步骤S3；步骤S6：根据步骤S5输出的全局最优粒子，获得脑电频段的最优参数组合。本发明提供了一种便捷高效的神经元群模型参数调节方法，增加了参数辨识准确性，缩短了调节时间。
-
公开(公告)号：CN106073702A
公开(公告)日：2016-11-09
申请号：CN201610362111.6
申请日：2016-05-27
Applicant: 燕山大学
IPC: A61B5/00 , A61B5/0476 , A61B5/0488
CPC classification number: A61B5/7203 , A61B5/0476 , A61B5/0488 , A61B5/7235
Abstract: 本发明公开了一种基于小波‑传递熵的多时频尺度间脑肌电耦合分析方法，所述方法包括脑肌电信号同步采集部分和信号处理部分，脑肌电信号同步采集部分包括脑电信号采集和肌电信号采集；信号处理部分包括信号预处理和脑肌电的小波‑传递熵分析方法。本发明具有可应用性、可采纳性，在康复医学领域具有重要的应用价值。
-
公开(公告)号：CN115474945A
公开(公告)日：2022-12-16
申请号：CN202211122284.2
申请日：2022-09-15
Applicant: 燕山大学
Abstract: 本发明是一种面向多通道脑肌电耦合分析的多元全局同步指数方法，能够从全局角度探究两组多维信号间关系，可应用于多模态信号分析中，评估大脑和肌肉不同区域信息交流的同步强度。首先，对脑肌电数据预处理并提取频段信息；其次，构建数据集并利用网格划分，统计网格中数据点出现频率计算互信息，并标准化处理得到同步系数，构建相关矩阵；然后，通过矩阵运算去除自相关，计算特征值并在标准化后求取熵值，得到多通道脑肌间全局同步指数。该方法从构建系统间相关矩阵出发，克服了系统差异性，保留了系统间的信息传递，实现了从整体上分析区域内的脑肌电同步关系，在分析多通道脑肌间同步关系或其他类型多维信号关联关系时具有良好应用前景。
-
公开(公告)号：CN115346676A
公开(公告)日：2022-11-15
申请号：CN202210905321.0
申请日：2022-07-29
Applicant: 燕山大学
Abstract: 本发明公开了一种基于皮层肌肉网络的运动功能重建动态模型构建方法。基于多节点互联和同步触发技术，利用高密度脑电‑肌电采集设备，实现高密度脑电和肌电信息采集，并对其进行分级预处理；基于超图学习构建多维广义复杂网络模型，从而获取高阶网络指标；构建数据关联映射模型，基于自动编码器获取皮层‑肌肉功能网络特征编码向量，基于特征转换器和线性掩码单元将其转换为生理状态特征；通过皮层‑肌肉网络显著结构生成器生成稀疏皮层‑肌肉功能网络显著结构，实现皮层‑肌肉功能网络动态模拟模型构建及可视化呈现。本发明从大脑和皮层肌肉网络的关联性出发，研究皮层‑肌肉功能网络演变规律，对理解皮层‑肌肉功能耦合及协同机制具有重要意义。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.019 seconds)
