-
公开(公告)号:CN119884908A
公开(公告)日:2025-04-25
申请号:CN202510050416.2
申请日:2025-01-13
Applicant: 西安交通大学
Abstract: 一种基于S变换能量集中表面肌电解码的下肢运动识别方法,首先对原始肌电信号进行预处理,将预处理后信号经过端点检测截取有用的时间段,然后对该时间段内的信号进行分段S变换与能量集中计算,采用分段操作提取指定维度的信号特征;通过SVM进行运动模式分类,并对多通道信号特征进行融合分析,进行下肢运动识别;本发明对信号进行分段S变换以保留其时相信息,同时优化能量集中的计算过程来提升运动分类准确度;搭建SVM多分类器,通过S变换能量集中及其特征融合进一步提升了下肢运动模式识别准确率。
-
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
Applicant: 西安交通大学
IPC: G06F18/24 , G06F18/2133 , G06F18/10
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。
-
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
Applicant: 西安交通大学
IPC: G06F18/25 , A61B5/397 , G06F18/213 , G06F18/27
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。
-
公开(公告)号:CN119150114A
公开(公告)日:2024-12-17
申请号:CN202411309337.0
申请日:2024-09-19
Applicant: 西安交通大学
IPC: G06F18/2411 , G06F18/10 , G06F18/213 , G06N20/10 , G06F3/01
Abstract: 一种用于SSVEP信号异步控制态判别的方法,包括:对预处理后的信号基于多通道求平均,进行相空间重构;对重构后的多维信号基于冒泡排序构建冒泡递归图;对递归图提取递归率、确定性、平均对角线长度、香农熵四种量化特征;最后通过支持向量机完成对控制态的判别;本发明基于非线性动力学,提高SSVEP信号异步控制态判别准确率。
-
-
-