-
公开(公告)号：CN112386227B
公开(公告)日：2021-07-02
申请号：CN202011239121.3
申请日：2020-11-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种多尺度时间序列生理信号的因果网络分析方法，包括以下步骤：S1.利用NA‑MEMD算法对待分析的生理信号u1,u2,...,um进行分解；S2.对于两个不同的生理信号ui,uj，进行因果分析，i＝1,2,...m,j＝1,2...,m,且i≠j，得到两个信号之间的因果关系；S3.对于u1,u2,...,um中任意两个信号，重复执行步骤S2，直至得到u1,u2,...,um中各个信号两两之间的因果关系，形成因果网络。本发明能够有效分析出生理信号的因果网络，为生理信号的应用提供了便利。
-
公开(公告)号：CN112386227A
公开(公告)日：2021-02-23
申请号：CN202011239121.3
申请日：2020-11-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种多尺度时间序列生理信号的因果网络分析方法，包括以下步骤：S1.利用NA‑MEMD算法对待分析的生理信号u1,u2,...,um进行分解；S2.对于两个不同的生理信号ui,uj，进行因果分析，i＝1,2,...m,j＝1,2...,m,且i≠j，得到两个信号之间的因果关系；S3.对于u1,u2,...,um中任意两个信号，重复执行步骤S2，直至得到u1,u2,...,um中各个信号两两之间的因果关系，形成因果网络。本发明能够有效分析出生理信号的因果网络，为生理信号的应用提供了便利。
-
公开(公告)号：CN114154543A
公开(公告)日：2022-03-08
申请号：CN202111473700.9
申请日：2021-11-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于因果特征的人体上肢运动神经行为辨识模型构建方法,包括以下步骤：S1.对人脑表皮和左右臂肱二头肌电生理信号进行同步采集，进行滤波去噪和裁剪后得到原始样本集合ΓN；S2.获得脑肌任务态样本集和S3.获得脑肌静息态样本集S4.分割样本组，计算各个样本组对应的绝对因果强度矩阵；S5.获取具备显著性差异的脑电通道，作为主要脑电通道；S6.获取训练样本，并形成训练样本集；S7.构建人体上肢运动神经行为辨识的分类器模型，利用训练样本集对分类器模型进行训练，得到能够进行上肢运动神经行为辨识的分类器模型。本发明能够得到辨识上肢运动神经行为的分类器模型，为基于因果特征的人体上肢运动神经行为辨识提供了支撑。
-
Patent Agency Ranking
公开(公告)号：CN106295212A
公开(公告)日：2017-01-04
申请号：CN201610683673.0
申请日：2016-08-18
Applicant: 电子科技大学
Inventor： 张羿
IPC: G06F19/00 , A61B5/0488
CPC classification number: A61B5/0488
Abstract: 本发明公开了一种基于多元经验模式分解的肌电信号同步处理方法，该方法同步采集多块不同肌肉群在肢体发生运动时运动神经在肌肉群处所产生的激励生物电信号，获得一个多通道肌电信号(MEMG)，然后采用多元经验模式分解(MEMD)，将采集的MEMG信号进行同步处理。MEMD方法通过低差异的哈默斯利序列将采集得到的MEMG数据映射到多维向量空间中，进而在多变量条件下基于经验模式分解自适应的分解成若干个固有模态函数(IMFs)。目前，在MEMG处理上，本发明所公开方法能有效的利用机体不同位置肌肉群在受到运动激励收缩时所产生的生物电信号的时、空间信息。与传统方法相比较，本发明能确保MEMG分解后通道间IMFs阶数的一致性，同时也能实现分解后通道间对应各IMF信息具有较强的相关性。
-
公开(公告)号：CN107440716A
公开(公告)日：2017-12-08
申请号：CN201710617410.4
申请日：2017-07-26
Applicant: 电子科技大学
IPC: A61B5/0488 , A61B5/04
CPC classification number: A61B5/0488 , A61B5/04014 , A61B5/112 , A61B5/7267
Abstract: 本发明属于非平稳非线性表面肌电信号处理及下肢运动动作分类的技术领域，具体涉及一种基于单通道肌电信号的人体下肢运动动作分类辨识方法。本方法采用从与日常下肢运动动作相关的某一单一下肢肢体肌肉群处获取的单一通道所获取的肌电信号，获取不同被试的，腿部伸展、腿部弯曲、行走支撑和行走摆动四种典型下肢运动动作状态对应的肌电信号数据，然后对上述信号进行小波变换得到小波系数，对每一层小波系数进行奇异值分解作为特征矩阵。最后采用树状的支持向量机二分类器将四分类问题转化成多个二分类问题，得到分类辨识结果。临床试验数据下验证结果显示，本发明的特征提取与分类方法，对四种日常下肢运动动作的单通道肌电信号，具有很好的效果。
-
公开(公告)号：CN106599539A
公开(公告)日：2017-04-26
申请号：CN201611030928.X
申请日：2016-11-22
Applicant: 电子科技大学
Inventor： 张羿
IPC: G06F19/00
CPC classification number: G16Z99/00
Abstract: 本发明公开了一种基于噪声辅助多元经验模式分解的肌电信号处理方法，该方法同步采集多块不同肌肉群在肢体发生运动时运动神经在肌肉群处所产生的激励生物电信号，获得一个多通道肌电信号(MEMG)，利用了EMD、EEMD和MEMD结构的特性，通过构建一个与输入信号的数据长度相同的多通道的白噪声序列，再将其与拾取的MEMG信号叠加后通过低差异的哈默斯利序列将数据映射到多维向量空间中，进而在多变量条件下基于经验模式分解自适应的分解成若干个固有模态函数。在模式队列性方面，MEMD和NA‑MEMD的模式队列性高于EEMD，但总体上NA‑MEMD和MEMD两种方法对模式队列性的改善效果相近；在模式混叠性方面，NA‑MEMD的频率重叠系数小于MEMD，而MEMD的频率重叠系数小于EMD。
-
公开(公告)号：CN118568438A
公开(公告)日：2024-08-30
申请号：CN202410716225.0
申请日：2024-06-04
Applicant: 电子科技大学 , 山东第一医科大学(山东省医学科学院)
IPC: G06F18/20 , G06F18/27 , G06F17/10 , G06F123/02
Abstract: 本发明公开了一种基于自适应滤波和因果分解的时间序列信号实时解耦方法,包括以下步骤：S1.对待分析的时间序列进行阶数选择，建立离散时间模型1；S2.基于自适应滤波方法对离散时间模型1进行辨识求解；S3.对自适应滤波过程中滤波产生的估计值进行分解及因果分析；S4.将离散时间模型1进一步改写为包含自回归信息和因果信息的两输入两输出系统结构，来建立模型2，并比较模型2中时间序列的自回归信息强度；S5.重复进行S3~S4步骤，实现系统的实时解耦，在误差允许范围内，得到稳定的模型2结构。本发明能够实时解耦包含因果特征的两输入两输出非线性确定性系统信号，并建立可以描述系统动态行为的模型。
-
公开(公告)号：CN114154543B
公开(公告)日：2023-04-28
申请号：CN202111473700.9
申请日：2021-11-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于因果特征的人体上肢运动神经行为辨识模型构建方法,包括以下步骤：S1.对人脑表皮和左右臂肱二头肌电生理信号进行同步采集，进行滤波去噪和裁剪后得到原始样本集合ΓN；S2.获得脑肌任务态样本集和S3.获得脑肌静息态样本集S4.分割样本组，计算各个样本组对应的绝对因果强度矩阵；S5.获取具备显著性差异的脑电通道，作为主要脑电通道；S6.获取训练样本，并形成训练样本集；S7.构建人体上肢运动神经行为辨识的分类器模型，利用训练样本集对分类器模型进行训练，得到能够进行上肢运动神经行为辨识的分类器模型。本发明能够得到辨识上肢运动神经行为的分类器模型，为基于因果特征的人体上肢运动神经行为辨识提供了支撑。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
