-
公开(公告)号：CN114732424B
公开(公告)日：2023-04-07
申请号：CN202210467072.1
申请日：2022-04-29
Applicant: 苏州大学
Abstract: 本发明涉及基于表面肌电信号提取肌肉疲劳状态复杂网络属性的方法，包括S1、采集多通道表面肌电信号数据，对表面肌电信号数据进行预处理；并将表面肌电信号数据按预设条件划分为无疲劳、中度疲劳和重度疲劳三个状态；S2、根据预处理后的表面肌电信号数据计算任意两两通道间的皮尔森相关系数，基于各皮尔森相关系数构建复杂网络；S3、获取复杂网络的经济属性和小世界属性；S4、分析无疲劳、中度疲劳和重度疲劳三个状态下复杂网络的经济属性和小世界属性的变化规律。其能够基于预处理后的肌电信号数据构建复杂网络，并分析复杂网络的经济属性和小世界属性，为肌肉疲劳提供了新的表面肌电复杂网络属性，改善交互接口的疲劳适应性。
-
公开(公告)号：CN112957056A
公开(公告)日：2021-06-15
申请号：CN202110280463.8
申请日：2021-03-16
Applicant: 苏州大学
Abstract: 本发明涉及一种利用协同网络的肌肉疲劳等级特征的提取方法及系统，包括：将身体上的多处肌肉划分为多个通道，采集各个通道对应的肌电数据，并对采集到的肌电数据进行预处理；计算不同通道间的皮尔森相关系数，构建不同通道间的协同网络图；对不同疲劳等级间的差异性进行分析并提取特征，包括提取通道关系特征和提取网络结构特征；将提取的通道关系特征和网络结构特征组合，共同组成肌肉疲劳等级的特征向量。本发明可有效的解决肌肉疲劳提取的特征鲁棒性差的问题，而且网络图可以很直观的展现不同疲劳等级间的特征差异，方差分析和网络参数可以在数值上给出量化结果，具有很好的可靠性。
-
公开(公告)号：CN114732424A
公开(公告)日：2022-07-12
申请号：CN202210467072.1
申请日：2022-04-29
Applicant: 苏州大学
Abstract: 本发明涉及基于表面肌电信号提取肌肉疲劳状态复杂网络属性的方法，包括S1、采集多通道表面肌电信号数据，对表面肌电信号数据进行预处理；并将表面肌电信号数据按预设条件划分为无疲劳、中度疲劳和重度疲劳三个状态；S2、根据预处理后的表面肌电信号数据计算任意两两通道间的皮尔森相关系数，基于各皮尔森相关系数构建复杂网络；S3、获取复杂网络的经济属性和小世界属性；S4、分析无疲劳、中度疲劳和重度疲劳三个状态下复杂网络的经济属性和小世界属性的变化规律。其能够基于预处理后的肌电信号数据构建复杂网络，并分析复杂网络的经济属性和小世界属性，为肌肉疲劳提供了新的表面肌电复杂网络属性，改善交互接口的疲劳适应性。
-
公开(公告)号：CN112957056B
公开(公告)日：2022-12-30
申请号：CN202110280463.8
申请日：2021-03-16
Applicant: 苏州大学
Abstract: 本发明涉及一种利用协同网络的肌肉疲劳等级特征的提取方法及系统，包括：将身体上的多处肌肉划分为多个通道，采集各个通道对应的肌电数据，并对采集到的肌电数据进行预处理；计算不同通道间的皮尔森相关系数，构建不同通道间的协同网络图；对不同疲劳等级间的差异性进行分析并提取特征，包括提取通道关系特征和提取网络结构特征；将提取的通道关系特征和网络结构特征组合，共同组成肌肉疲劳等级的特征向量。本发明可有效的解决肌肉疲劳提取的特征鲁棒性差的问题，而且网络图可以很直观的展现不同疲劳等级间的特征差异，方差分析和网络参数可以在数值上给出量化结果，具有很好的可靠性。
-
-
-
Search Results
4
records
(took 0.012 seconds)
