面向多通道FES伪迹去除的G-S-G自适应滤波方法

    公开(公告)号:CN115414056B

    公开(公告)日:2024-09-20

    申请号:CN202210975375.4

    申请日:2022-08-15

    Applicant: 燕山大学

    Abstract: 本发明公开了面向多通道FES伪迹去除的G‑S‑G自适应滤波方法,包括如下步骤:S1、对多通道肌电信号进行带通滤波,获取肌电信号能量集中的有效频段;S2、基于FES参数范围和信号采集频率确定滑动窗的窗口长度,滑动窗每次前移长度与滑动窗长度相同,窗口数据不存在重叠部分;S3、利用多通道肌电信号间FES伪迹的高度相关性,将每个滑动窗内的各通道肌电信号作为彼此的参考信号,应用格拉姆‑施密特算法对多通道肌电信号进行去相关处理,消除各通道肌电信号中的m波和大部分尖峰伪迹;S4、运用格拉布斯准则依次进行异常值识别与剔除,并进一步去除尖峰伪迹;S5、再次进行带通滤波处理,去除肌电信号中的谐波干扰。

    面向多通道FES伪迹去除的G-S-G自适应滤波方法

    公开(公告)号:CN115414056A

    公开(公告)日:2022-12-02

    申请号:CN202210975375.4

    申请日:2022-08-15

    Applicant: 燕山大学

    Abstract: 本发明公开了面向多通道FES伪迹去除的G‑S‑G自适应滤波方法,包括如下步骤:S1、对多通道肌电信号进行带通滤波,获取肌电信号能量集中的有效频段;S2、基于FES参数范围和信号采集频率确定滑动窗的窗口长度,滑动窗每次前移长度与滑动窗长度相同,窗口数据不存在重叠部分;S3、利用多通道肌电信号间FES伪迹的高度相关性,将每个滑动窗内的各通道肌电信号作为彼此的参考信号,应用格拉姆‑施密特算法对多通道肌电信号进行去相关处理,消除各通道肌电信号中的m波和大部分尖峰伪迹;S4、运用格拉布斯准则依次进行异常值识别与剔除,并进一步去除尖峰伪迹;S5、再次进行带通滤波处理,去除肌电信号中的谐波干扰。

    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

    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。

Patent Agency Ranking