-
公开(公告)号：CN112733631B
公开(公告)日：2023-06-13
申请号：CN202011584446.5
申请日：2020-12-28
Applicant: 华南理工大学 , 广东天物新材料科技有限公司
Abstract: 本发明为下肢动态动作模式识别算法，可有效地识别下肢的动态动作，扩展LDA算法应用场景。包括步骤：采集行走、跑步、上楼梯和下楼梯四种动作模式过程中的欧拉角、角速度和加速度信号、足底压力信号；以后脚跟着地的时间点后预设时间窗口作为特殊数据窗口，截取在特殊数据窗口内所采集的信号数据；对特殊数据窗口中的信号数据进行特征提取，计算特征值并组成特征向量；对一半的特征向量训练，得到最优降维矩阵和四种动作模式所对应的标签向量；将另一半特征向量用于识别，将待识别的特征向量用最优降维矩阵进行降维操作，通过降维后的再识别特征向量与四种动态动作模式所对应的标签向量进行比较，确定识别的动作模式。
-
公开(公告)号：CN112704491A
公开(公告)日：2021-04-27
申请号：CN202011583121.5
申请日：2020-12-28
Applicant: 华南理工大学 , 广东天物新材料科技有限公司
Abstract: 本发明涉及模式识别领域，为基于姿态传感器和动补模板数据的下肢步态预测方法，首先采集人体在行走过程中右侧的大腿、小腿和脚的欧拉角数据，将一个步态周期内欧拉角数据的对应关系作为动捕模板数据；通过姿态传感器实时获得右侧大腿的欧拉角；基于右侧大腿的欧拉角度和动捕模板数据，得到当前右侧大腿角度所对应的右侧小腿和脚的欧拉角，保存为右侧实时动捕模板数据；基于左右腿的相位对应关系，根据右侧实时动捕模板数据得到左侧的大腿、小腿和脚的欧拉角；通过左右侧的大腿、小腿和脚的欧拉角数据，实时预测下肢的运动。本方法通过一个姿态传感器得到下肢主要部位的位置信息，对整个步态过程进行预测，降低了模式识别的成本。
-
Patent Agency Ranking
公开(公告)号：CN112603292A
公开(公告)日：2021-04-06
申请号：CN202011525413.3
申请日：2020-12-22
Applicant: 华南理工大学 , 广东天物新材料科技有限公司
Abstract: 本发明公开了一种针对下肢动作的表面肌电信号的阶段选取方法，包括，采集行走、跑步、踏步、上楼梯和下楼梯五种动作模式下的股直肌和股二头肌的的表面肌电信号、脚尖压力信号及足底压力信号，针对每种动作模式，脚尖压力信号及足底压力信号，对四个阶段的表面肌电信号进行截取；每次数据采集中，每种动作模式截取130个数据窗口，分别识别数据集及训练数据集。提取数据窗口的初选特征，计算评价指标，挑选最优阶段用于模式识别。
-
公开(公告)号：CN112733631A
公开(公告)日：2021-04-30
申请号：CN202011584446.5
申请日：2020-12-28
Applicant: 华南理工大学 , 广东天物新材料科技有限公司
Abstract: 本发明为下肢动态动作模式识别算法，可有效地识别下肢的动态动作，扩展LDA算法应用场景。包括步骤：采集行走、跑步、上楼梯和下楼梯四种动作模式过程中的欧拉角、角速度和加速度信号、足底压力信号；以后脚跟着地的时间点后预设时间窗口作为特殊数据窗口，截取在特殊数据窗口内所采集的信号数据；对特殊数据窗口中的信号数据进行特征提取，计算特征值并组成特征向量；对一半的特征向量训练，得到最优降维矩阵和四种动作模式所对应的标签向量；将另一半特征向量用于识别，将待识别的特征向量用最优降维矩阵进行降维操作，通过降维后的再识别特征向量与四种动态动作模式所对应的标签向量进行比较，确定识别的动作模式。
-
公开(公告)号：CN112704491B
公开(公告)日：2022-01-28
申请号：CN202011583121.5
申请日：2020-12-28
Applicant: 华南理工大学 , 广东天物新材料科技有限公司
Abstract: 本发明涉及模式识别领域，为基于姿态传感器和动补模板数据的下肢步态预测方法，首先采集人体在行走过程中右侧的大腿、小腿和脚的欧拉角数据，将一个步态周期内欧拉角数据的对应关系作为动捕模板数据；通过姿态传感器实时获得右侧大腿的欧拉角；基于右侧大腿的欧拉角度和动捕模板数据，得到当前右侧大腿角度所对应的右侧小腿和脚的欧拉角，保存为右侧实时动捕模板数据；基于左右腿的相位对应关系，根据右侧实时动捕模板数据得到左侧的大腿、小腿和脚的欧拉角；通过左右侧的大腿、小腿和脚的欧拉角数据，实时预测下肢的运动。本方法通过一个姿态传感器得到下肢主要部位的位置信息，对整个步态过程进行预测，降低了模式识别的成本。
-
公开(公告)号：CN110537921A
公开(公告)日：2019-12-06
申请号：CN201910801057.4
申请日：2019-08-28
Applicant: 华南理工大学
IPC: A61B5/11 , A61B5/103 , A61B5/0488
Abstract: 本发明公开了一种便携式步态多传感数据采集系统。所述系统包括传感器模块、信号预处理模块、无线传输模块和Android上位机模块，所述传感器模块包括表面肌电传感器、足底压力传感器、运动姿态传感器。本发明可以同时对下肢两通道的表面肌电信号、欧拉角、角速度、加速度和足底压力信号进行实时的无线采集和预处理，由Android上位机模块对接收的信号数据进行计算和处理，实时显示信号的数据。本发明中的信号基于蓝牙传输，摆脱了线材的束缚，使得在测量步态时更加方便。基于Android手机进行数据的无线接收和数据处理，极大地增加了系统的便携性和实用性。基于Android的软件开发也更加灵活，能够实现根据功能和需求的快速开发和迭代。
-
公开(公告)号：CN110537913A
公开(公告)日：2019-12-06
申请号：CN201910801059.3
申请日：2019-08-28
Applicant: 华南理工大学
IPC: A61B5/0488 , A61B5/11 , A61B5/00 , G06K9/62 , G06K9/00
Abstract: 本发明公开了一种基于LDA算法的表面肌电信号的通道选取方法。对于确定数量的肌电信号通道组合，从胫骨前肌、腓骨长肌和比目鱼肌，腓肠肌外侧肌肉，小腿内侧的腓肠肌内侧肌肉，小腿后侧的腓肠肌内侧肌肉这6个待选的的肌电信号通道中挑出不同的组合，用基于LDA算法的准确率计算算法计算每种通道组合对脚踝的放松、背屈、跖屈、外翻和内翻5种动作模式的平均识别率。通过对每种通道组合的平均识别率进行比较，得到最优的通道组合。通过基于LDA算法的识别率计算，确定最优肌电信号通道组合，相比于通过经验确定通道组合，本发明更加科学和准确，能够使用较少的肌电信号通道实现对脚踝5种动作模式以较高的识别率进行识别。
-
-
-
-
-
-
Search Results
7
records
(took 0.035 seconds)
