-
公开(公告)号：CN110464517B
公开(公告)日：2021-09-07
申请号：CN201910759180.4
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于小波加权排列熵的肌电信号识别方法。首先，从人体上肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段，利用小波变换对动作信号段的表面肌电信号进行四层分解得到各频率段小波子带，并对各小波子带求取加权排列熵。然后对所求得的加权排列熵进行组合，选取最佳的小波子带特征组合作为组合特征集。最后将各小波子带的组合特征集作为特征向量输入到支持向量机分类器，实现肌电信号的手部多运动模式识别。实验结果表明，该方法用于手部多动作识别获得了较高的分类精度，具有更好的识别效果。该方法可以有效地应用于复杂日常手部运动的模式识别，有助于提高肌电假手的灵活性，使其更好地用于生活。
-
公开(公告)号：CN110738093B
公开(公告)日：2022-07-01
申请号：CN201910759157.5
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于改进小世界回声状态网络肌电的分类方法，首先，利用小世界网络来改善ESN的储备池结构，再利用加边概率改进小世界网络，称该网络为改进小世界回声状态网络，这既提高了储备池的适应性，又提高了ESN的泛化能力和稳定性。然后，通过训练网络可以得到网络的输出权重，并以此为相应的特征。采集跌倒、走、坐、蹲、上楼、下楼这六种动作的肌电信号，利用ISWLESN提取相应的特征，再利用PCV降低特征维数。最后，利用散点图、类可分性指标和DBI来表征网络特征的性能。结果表明，ISWLESN有很好的聚类性能，用于支持向量机分类也有很高的精度。
-
公开(公告)号：CN110175510B
公开(公告)日：2021-05-25
申请号：CN201910285096.3
申请日：2019-04-10
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于脑功能网络特征的多模式运动想象识别方法。本发明首先定义网络功能连通增率作为一种新的脑功能网络特征，然后依据神经生理学肢体运动与大脑皮层对应关系，构建以不同导联为中心的区域网络，计算各区域的网络功能连通增率组成多维特征向量，输入到支持向量机中，实现对多模式运动想象的识别。本发明可实时、准确识别出人体多种模式运动想象动作，识别结果可用于辅助康复训练的人机交互系统。
-
公开(公告)号：CN110495880A
公开(公告)日：2019-11-26
申请号：CN201910758648.8
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00 , A61N1/36 , G06Q10/06 , G16H20/30
Abstract: 本发明提出了一种基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法。本发明首先分析功能脑区多导联EEG信号，采用脑功能网络建模方法计算出连通率、小世界特性的脑功能网络指标，对tDCS刺激前后的脑功能网络特性做出比较，揭示运动活动期间受激半球的功能前区、功能区和功能感知区的功能连接和神经重塑规律。然后采用基于动态回归模型因果测度的多层次神经肌肉耦合分析的方法，提取脑-脑、脑-肌和肌-肌耦合特征指标，从不同侧面描述了上肢运动功能的康复效果。最后研究脑肌电耦合特征与tDCS对神经可塑性的影响规律之间的相关性，为进一步tDCS的刺激方式和参数改进提供依据，实现运动功能皮层神经重塑的有效引导和管理。
-
Patent Agency Ranking
公开(公告)号：CN110464343A
公开(公告)日：2019-11-19
申请号：CN201910758670.2
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00
Abstract: 本发明涉及一种基于自主手部动作的增强型脑肌相干方法。首先，在手部自主动作过程中同步采集对应上肢EMG信号和皮层EEG信号并去噪，然后基于EMG信号的突发脉冲点对同步的EEG信号进行采样，接着用窗函数对采样的EEG信号进行移动平均处理，并再次基于EMG突发脉冲点对EEG采样，再重新组装以得到能够更好地反映肌肉运动的EEG信号。最后，使用幅度平方相干来计算上述预处理过后EEG-EMG相干估计值，分析Beta和Gamma频段中同手部自主运动的相干性，以验证该方法的可靠性。该方法的相干分析的结果不仅可以正确反映皮层和肌肉之间的耦合关系，而且可以更清晰表明在不同的手部自主运动下的EEG-EMG相干特性。
-
公开(公告)号：CN110495880B
公开(公告)日：2022-04-08
申请号：CN201910758648.8
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/383 , A61B5/389 , A61B5/395 , A61B5/00 , A61N1/36 , G06Q10/06 , G16H20/30
Abstract: 本发明提出了一种基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法。本发明首先分析功能脑区多导联EEG信号，采用脑功能网络建模方法计算出连通率、小世界特性的脑功能网络指标，对tDCS刺激前后的脑功能网络特性做出比较，揭示运动活动期间受激半球的功能前区、功能区和功能感知区的功能连接和神经重塑规律。然后采用基于动态回归模型因果测度的多层次神经肌肉耦合分析的方法，提取脑‑脑、脑‑肌和肌‑肌耦合特征指标，从不同侧面描述了上肢运动功能的康复效果。最后研究脑肌电耦合特征与tDCS对神经可塑性的影响规律之间的相关性，为进一步tDCS的刺激方式和参数改进提供依据，实现运动功能皮层神经重塑的有效引导和管理。
-
公开(公告)号：CN110738093A
公开(公告)日：2020-01-31
申请号：CN201910759157.5
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/0488
Abstract: 本发明公开了基于改进小世界回声状态网络肌电的分类方法，首先，利用小世界网络来改善ESN的储备池结构，再利用加边概率改进小世界网络，称该网络为改进小世界回声状态网络，这既提高了储备池的适应性，又提高了ESN的泛化能力和稳定性。然后，通过训练网络可以得到网络的输出权重，并以此为相应的特征。采集跌倒、走、坐、蹲、上楼、下楼这六种动作的肌电信号，利用ISWLESN提取相应的特征，再利用PCV降低特征维数。最后，利用散点图、类可分性指标和DBI来表征网络特征的性能。结果表明，ISWLESN有很好的聚类性能，用于支持向量机分类也有很高的精度。
-
公开(公告)号：CN110464517A
公开(公告)日：2019-11-19
申请号：CN201910759180.4
申请日：2019-08-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于小波加权排列熵的肌电信号识别方法。首先，从人体上肢的相关肌肉组上采集表面肌电信号，运用能量阈值确定表面肌电信号的动作信号段，利用小波变换对动作信号段的表面肌电信号进行四层分解得到各频率段小波子带，并对各小波子带求取加权排列熵。然后对所求得的加权排列熵进行组合，选取最佳的小波子带特征组合作为组合特征集。最后将各小波子带的组合特征集作为特征向量输入到支持向量机分类器，实现肌电信号的手部多运动模式识别。实验结果表明，该方法用于手部多动作识别获得了较高的分类精度，具有更好的识别效果。该方法可以有效地应用于复杂日常手部运动的模式识别，有助于提高肌电假手的灵活性，使其更好地用于生活。
-
公开(公告)号：CN110175510A
公开(公告)日：2019-08-27
申请号：CN201910285096.3
申请日：2019-04-10
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/62 , A61B5/0484
Abstract: 本发明提出了一种基于脑功能网络特征的多模式运动想象识别方法。本发明首先定义网络功能连通增率作为一种新的脑功能网络特征，然后依据神经生理学肢体运动与大脑皮层对应关系，构建以不同导联为中心的区域网络，计算各区域的网络功能连通增率组成多维特征向量，输入到支持向量机中，实现对多模式运动想象的识别。本发明可实时、准确识别出人体多种模式运动想象动作，识别结果可用于辅助康复训练的人机交互系统。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.047 seconds)
