公开(公告)号：CN116919427A

公开(公告)日：2023-10-24

申请号：CN202310819057.3

申请日：2023-07-05

Applicant: 大连海事大学

Inventor： 林闯 ,  崔紫微 ,  刘彦宏 ,  陈晨 ,  朱秀娟 ,  张军

IPC: A61B5/389 ,  A61B5/397 ,  A61B5/00 ,  G06F18/21 ,  G06F17/15

Abstract: 本发明提供一种基于快速梯度卷积核补偿的表面肌电信号分解方法，包括：对多通道的表面肌电信号进行数学建模；对构建的多通道的表面肌电信号模型进行扩展；基于所述扩展肌电信号、发放时间序列以及噪声序列构建对应的表面肌电信号的卷积混合模型；构建表面肌电信号的互相关矩阵，并初始化活动指数；基于所述活动指数初始化互相关向量；获取梯度函数和学习率；引入指数加权移动平均模型，离线计算并迭代更新互相关向量；提取滑动窗口中的肌电信号并拓展，计算扩展后的互相关矩阵，并估算每个运动单元的发放时间序列；重新计算每个运动单元的发放时间序列，直至完成所有信号分解。本发明能够提高表面肌电信号分解效率，适用于实时分解过程。

公开(公告)号：CN119587049A

公开(公告)日：2025-03-11

申请号：CN202411772978.X

申请日：2024-12-04

Applicant: 大连海事大学

Inventor： 林闯 ,  朱秀娟 ,  崔紫薇 ,  陈晨 ,  张军

IPC: A61B5/397 ,  A61B5/389 ,  A61B5/00 ,  G06N3/045 ,  G06N3/0464 ,  G06F18/214 ,  G06N3/08 ,  G06N3/084 ,  G06F18/24 ,  G06F18/23 ,  G06F18/10

Abstract: 本发明提供一种基于注意力机制和卷积网络的肌电信号实时分解方法，包括以下步骤：采集若干时刻下，不同收缩强度的高密度表面肌电信号，并使用滑动窗口方法构建离线数据集；基于卷积核补偿算法将所述离线数据集中的高密度表面肌电信号分解为运动单元发放时间序列；构建具有注意力机制的卷积神经网络；根据所述离线数据集中的高密度表面肌电信号和对应的运动单元发放时间序列，对具有注意力机制的卷积神经网络进行训练，得到分解模型；将实时采集的高密度表面肌电信号输入到所述分解模型中，输出对应的运动单元发放时间序列。本发明在深度卷积神经网络中添加的注意力机制，在提高高密度表面肌电信号分解准确性的同时降低训练模型的计算成本。