一种基于FBCCA和USSR的脑电特征识别方法

    公开(公告)号:CN117251768A

    公开(公告)日:2023-12-19

    申请号:CN202311331087.6

    申请日:2023-10-16

    Abstract: 一种基于FBCCA和USSR的脑电特征识别方法,先进行多通道SSVEP信号采集,利用共滤波器组分析对信号处理,提高信号的信噪比;其次在每个子频带中使用CCA降维方法将多通道SSVEP信号转换成一维向量;然后进行USSR模型参数初始化及USSR模型处理,将降维后的信号送入到USSR模型进行随机共振处理,利用噪声能量增强目标频率的幅值;接着利用MSI识别模型检测最大同步索引变量对应的目标频率,最后进行目标频率匹配检测;本发明利用共滤波器组分析、CCA降维方法、USSR模型、MSI识别模型的协同作用和增强机理,大大增加了SSVEP的识别准确率和信息传输率。

    一种基于多源信号的下肢运动意图预测方法

    公开(公告)号:CN119961861A

    公开(公告)日:2025-05-09

    申请号:CN202510050411.X

    申请日:2025-01-13

    Abstract: 一种基于多源信号的下肢运动意图预测方法,先分析人体下肢的运动特性,筛选待测肌肉,采集若干个周期的肌电信号,对肌电信号进行预处理;然后提取肌电信号的线性特征和非线性特征;再通过串联拼接法融合肌电信号的线性特征和非线性特征以及运动捕捉信息;再采用随机森林方法(RF‑Bagging)对更高维的特征矩阵进行特征选择;最后使用长短期记忆网络(LSTM)输入选择的特征矩阵,根据截肢类型来进行关节连续运动量回归预测,并通过多种回归指标来判断运动意图识别性能;本发明实现了不同截肢体类型下效果好的关节连续量预测。

Patent Agency Ranking