“罗志增”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果95个，建议您升级VIP下载更多相关专利

[发明专利]人体日常行为动作的足底压力特征提取方法-CN201811606326.3在审
发明人：席旭刚;姜文俊;石鹏;杨晨;袁长敏;章燕;汤敏彦;佘青山;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-09-13 - 主分类号： A61B5/103 文献下载
摘要：本发明公开了一种人体日常行为动作的足底压力特征提取方法。本发明通过压力鞋垫采集第一跖骨、第二跖骨和脚跟区域各自的压力信号，计算压力比，总压力比，将各传感器的压力及总压力归一化，提取足底压力的第一特征子矢量和第二特征子矢量。根据在人体的各种运动模式下，足底压力传感器的当前值都与过去值相关，构建足底压力信号的AR模型，求得模型系数。通过实验对不同日常行为动作进行足底AR模型的AIC计算，综合AIC的值和维数，提出权衡可信度，使权衡的可信度最高所对应的阶数即为最合适阶数。把足底压力传感器的AR模型系数构建为第三特征矢量。本发明通过AIC准则和权衡可信度来确定足底压力AR模型的阶数，有很好的效果。
足底压力日常行为可信度阶数足底压力传感器模型系数特征提取子矢量总压力构建跖骨脚跟区域特征矢量压力信号运动模式归一化压力比传感器鞋垫维数足底采集

[发明专利]基于NA-MEMD和GMM聚类的有用信号识别方法-CN201610893229.1有效
发明人：佘青山;马玉良;张启忠;罗志增 -专利权人：杭州电子科技大学
申请日： 2016-10-13 - 公布日： 2019-07-26 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于NA‑MEMD和GMM聚类的有用信号识别方法。目前经验模式分解方法将多变量信号分解出若干尺度上的内蕴模式函数分量之后，如何在各个尺度上准确地识别出包含有用信息的IMF分量仍然存在依赖于先验知识、识别率较低等问题。本发明首先采用NA‑MEMD算法分解多变量信号以得到不同尺度上的IMF分量，其次采用谱回归降维算法将各个尺度上的IMF分量映射到一个低维子空间以抽取出对应的低维特征向量，然后在每个尺度上采用GMM聚类算法对低维特征向量进行聚类分析，最后根据聚类结果识别出包含有用信息的IMF分量。该方法在脑电信号处理、神经数据分析中具有广阔的应用前景。
基于 na memd gmm 有用信号识别方法

[发明专利]基于双参数核优化型极限学习机的肌电信号分类方法-CN201811603034.4在审
发明人：席旭刚;姜文俊;石鹏;袁长敏;杨晨;章燕;范影乐;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-06-28 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于双参数核优化型极限学习机的肌电识别方法，本发明首先提取了4路肌电信号并提取了相应的平均幅值，方差，威尔逊振幅，小波能量系数，然后把这些特征进行融合，最后把融合后的特征输送到双参数优化型极限学习机。双参数优化型极限学习机在极限学习机的基础上，引入了高斯核函数，通过对输出权重矩阵的最小化来设置优化各个参数，构建神经网络结构，并将极限学习机最小化输出误差的问题转变为最小化输出权重的问题。该方法具有比传统极限学习机更为强大的函数逼近能力，同时处理非线性分类的能力也更强，相比于其他常见分类器算法也有更高的准确率和更少的运算时间。
极限学习机双参数优化型最小化肌电信号输出权重函数逼近能力神经网络结构矩阵非线性分类分类器算法高斯核函数输出误差小波能量融合准确率方差构建肌电运算引入分类优化

[发明专利]一种基于人工鱼群优化H-ELM的疲劳驾驶检测方法-CN201910023261.8在审
发明人：马玉良;王星;张卫;张启忠;罗志增 -专利权人：杭州电子科技大学
申请日： 2019-01-10 - 公布日： 2019-06-14 - 主分类号： G06K9/00 文献下载
摘要：本发明公开了一种基于人工鱼群优化H‑ELM的疲劳驾驶检测方法；具体为：1、使用32导脑电采集设备获取驾驶脑电信号；2、对原始脑电信号进行预处理，包括降频、滤波；3、对预处理后的进行短时傅里叶变换再获取其功率谱密度，并根据脑电信号的频带进行频带划分，以各频带的功率作为特征；4、对提取的特征使用多层感知超限学习机进行分类学习、识别；5、通过人工鱼群算法对超限学习机的分类、识别效果进行优化。本发明使用AFSA优化后的H‑ELM分类器对疲劳驾驶脑电信号进行检测，可有效的提高分类检测准确率。
脑电信号预处理疲劳驾驶检测人工鱼群优化学习机超限短时傅里叶变换人工鱼群算法原始脑电信号功率谱密度多层感知分类检测脑电采集疲劳驾驶设备获取分类器分类准确率降频滤波优化驾驶检测学习

[发明专利]基于模糊C均值和DBI的肌电信号特征选择方法-CN201811606346.0在审
发明人：席旭刚;汤敏彦;姜文俊;石鹏;袁长敏;杨晨;章燕;佘青山;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-05-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于模糊C均值和DBI的肌电信号特征选择方法，本发明首先采集人体做日常行为动作时4路肌电信号，然后提取原始信号的平均幅值，方差，威尔逊振幅，自回归系数，中位频率，平均功率频率，小波能量系数，小波包能量系数，模糊熵，排列熵共10个肌电特征形成肌电特征池，再用模糊C均值对这些特征进行划分，把n个向量分为c个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小。最后，计算划分后的DBI值，选择DBI最小的4个特征作为适合识别日常行为动作的特征。基于模糊C均值和DBI的肌电信号特征选择方法，可以选择有效的合理的肌电特征值。
肌电信号模糊特征选择肌电日常行为相似性指标价值函数聚类中心能量系数平均功率特征形成小波能量原始信号模糊组特征池小波包自回归方差向量中位采集

[发明专利]基于共同空间模式特征宽度学习的脑电分类方法-CN201811454615.6在审
发明人：佘青山;邹杰;张卫;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-11-30 - 公布日： 2019-04-26 - 主分类号： G06K9/36 文献下载
摘要：本发明涉及一种基于共同空间模式特征宽度学习的脑电分类方法，旨在利用共同空间模式方法提取出运动想象脑电信号的本质特征之后利用宽度学习算法对其进行准确且快速的分类，以达到良好的分类效果。本发明首先获取多通道运动想象脑电信号，对其进行预处理操作，接着利用一对多的共同空间模式算法从预处理以后的脑电信号中提取出多类脑电特征，结合宽度学习方法构建多类运动想象脑电信号分类框架，然后利用新的脑电特征信号对模型进行分类测试。本发明采用宽度结构神经网络代替深度结构神经网络来训练模型可以有效的提高分类准确率同时大大降低训练的耗时，在脑电信号处理以及分类领域具有广阔的应用前景。
空间模式脑电信号运动想象分类脑电特征神经网络脑电预处理脑电信号处理分类准确率预处理操作本质特征方法提取分类框架分类领域分类效果宽度结构深度结构学习算法训练模型多通道一对多构建算法学习耗时测试应用

[发明专利]一种基于肌电信号的下肢膝关节连续运动估计方法-CN201910038173.5在审
发明人：席旭刚;杨晨;石鹏;袁长敏;章燕;范影乐;罗志增;张启忠 -专利权人：杭州电子科技大学
申请日： 2019-01-16 - 公布日： 2019-04-19 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及到一种基于肌电信号的下肢膝关节连续运动估计方法。首先采集人体下肢膝关节在慢速、中速、快速运动模式下股二头肌，股四头肌，股外侧肌，股内侧肌，半腱肌，股薄肌的肌电信号和实时角度，然后提取信号的小波系数、均方根与排序熵等特征作为输入，再将三种特征结合成一种新的特征作为输入，并对特征数据进行归一化处理，并通过不同方法的比较，最终使用最小二乘支持向量机回归模型进行预测。实验结果表明，不同的特征在不同运动模式下具有不同的相对预测性能，结合三种特征的预测结果明显优于单独采用其中任何一种，且通过最小二乘支持向量机模型的预测非常准确，最终得到了一种较为理想的预测模型。
肌电信号连续运动估计下肢膝关节最小二乘支持向量机模型最小二乘支持向量机快速运动模式归一化处理膝关节股二头肌股内侧肌股外侧肌回归模型人体下肢特征结合特征数据提取信号小波系数预测结果预测模型预测性能运动模式股薄肌均方根预测慢速排序采集

[发明专利]基于CEEMD和区间阈值的肌电消噪方法-CN201811603088.0在审
发明人：席旭刚;章燕;石鹏;袁长敏;杨晨;范影乐;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-04-09 - 主分类号： A61B5/0488 文献下载
摘要：本发明涉及一种基于CEEMD和区间阈值的肌电消噪方法。首先用互补集合经验模态分解对表面肌电信号进行分解得到固有模态函数分量。然后通过分量相关分析选择合适的固有模态函数分量，对每个被选择的固有模态函数分量进行改进区间阈值处理。最后，信号由处理后的固有模态函数分量和未被改进区间阈值处理的固有模态函数分量进行信号重构，得到去噪后的信号。本发明在信号处理方面具有自适应性，适合于非线性、非平稳表面肌电信号的分析，能够减少由于模态混叠带来的不利影响，并且尽可能多的保留了信号中有用的信息，减少了噪声带来的影响，其结果不仅提高了信噪比，同时提高了识别率，使得表面肌电信号的应用更加广泛。
固有模态函数分量表面肌电信号阈值处理肌电消噪集合经验模态分解模态混叠信号处理信号重构自适应性识别率信噪比去噪噪声改进分析分解保留应用

[发明专利]基于肌电小波相干性和支持向量机的日常行为识别方法-CN201811603106.5在审
发明人：席旭刚;杨晨;石鹏;袁长敏;罗志增;张启忠;佘青山 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-04-05 - 主分类号： A61B5/0488 文献下载
摘要：本发明公开了一种基于肌电小波相干性和支持向量机的日常行为识别方法，本发明通过肌电信号采集仪采集人体相关肌肉的肌电信号，获取两路肌电信号的样本数据，使用一种改进小波阈值降噪方法进行预处理。计算两路肌电信号的小波相干系数。将所求得的小波相干系数作为特征向量输入支持向量机进行分类识别，成功识别了不同的日常行为，具有较高的识别率。本发明将小波相干性的肌电特征与支持向量机结合的方法，对人体日常行为识别具有较高的识别率和可靠性。实验结果表明，本发明方法对上楼、下楼、站立、行走、跑步、跌倒的平均灵敏度达96.17，平均特异度达92.29，高于一般传统的方法。
小波肌电信号日常行为支持向量机相干性肌电相干系数识别率两路预处理分类识别输入支持特征向量样本数据采集仪传统的灵敏度向量机降噪下楼跌倒跑步上楼肌肉站立采集改进成功

[发明专利]基于平滑小波相干性的肌电信号特征提取方法-CN201811603107.X在审
发明人：席旭刚;杨晨;罗志增;张启忠;佘青山;林树梁;华仙 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-04-05 - 主分类号： A61B5/0488 文献下载
摘要：本发明公开了一种基于平滑小波相干性的肌电信号特征提取方法，本发明通过肌电信号采集仪采集人体相关肌肉的肌电信号，并采用带通滤波方法进行预处理，对滤波处理后的肌电信号进行小波变换，然后计算两路肌电信号的交叉小波变换，并对交叉小波变换分别进行时间轴和尺度轴上的平滑操作。最后，计算两路肌电信号的平滑小波相干系数，并使用T检验来检验不同行为之间的相关性是否存在统计学差异，得到不同肌肉组合的32级平滑小波相干系数作为特征向量。本发明使用的平滑小波相干性在特征提取方法上具有很大创新，对于后续模式识别具有较高的识别率和可靠性，可以较好地满足多模式识别任务中的特征提取要求，具有广阔的应用前景。
肌电信号平滑小波特征提取小波变换相干性相干系数两路肌肉预处理统计学差异带通滤波后续模式滤波处理平滑操作特征向量采集仪多模式时间轴识别率尺度采集检验应用

[发明专利]基于遗传算法广义典型相关分析的肌电信号特征融合方法-CN201811606327.8在审
发明人：席旭刚;汤敏彦;姜文俊;石鹏;袁长敏;章燕;杨晨;佘青山;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-04-02 - 主分类号： G06K9/62 文献下载
摘要：本发明提出一种基于遗传算法广义典型相关分析的肌电信号特征融合方法。获取人体做日常行为动作时四路肌电信号的平均幅值，威尔逊振幅，模糊熵，小波能量系数，由4路肌电信号各4各特征组成16维特征向量。提取16维标准样本特征向量X、训练样本特征向量Y。分别计算X,Y的类内离散度矩阵和类间离散矩阵，最后求得使广义典型相关判别准则最大的广义正则投影向量。对GCPV择优选取，得到新的GCPV将原特征投影到新空间，成为结合遗传算法的GCCA(GA‑GCCA)；将原特征通过新得到的GCPV投影到新平面上，获得最终融合的肌电信号特征向量S。本发明有效地减小了维数，并在改善单调性的同时动态地选择了最佳特征向量。
肌电信号特征向量遗传算法特征融合离散度矩阵标准样本离散矩阵判别准则日常行为特征投影特征组成投影向量小波能量训练样本单调性有效地减小维数投影分析模糊融合

[发明专利]一种基于部分定向相干法的脑功能网络构建方法-CN201811601572.X在审
发明人：张启忠;胡月静;石鹏;袁长敏;杨晨;席旭刚;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-03-26 - 主分类号： G16H50/20 文献下载
摘要：本发明提出了一种基于部分定向相干法的脑功能网络构建方法；本发明首先采集脑电信号，对脑电数据进行小波硬阈值去噪、用独立成分分析方法去除心电、眼电。其次，对脑电信号运用多轨道自回归模型进行建模，并通过拉普拉斯变换将其转化到频域上，得到线性部分定向相干值。然后，利用AIC准则确定模型的阶数，采用显著性水平的方法计算阈值，根据阈值确定二值化矩阵。最后，根据二值化矩阵建立脑功能网络连接图。功能网络连接图以采集脑电通道位置作为节点位置。数据显示使用该方法能够鉴别患者发病间期分别与人体视觉、体觉及精神功能相关脑网络结点的变化情况。
脑功能网络构建二值化相干法矩阵采集脑电信号独立成分分析拉普拉斯变换显著性水平硬阈值去噪自回归模型采集脑电功能网络节点位置精神功能矩阵建立脑电数据脑电信号人体视觉数据显示通道位置网络连接阈值确定多轨道脑网络相干间期建模阶数结点频域体觉小波心电去除鉴别转化

[发明专利]基于Copula-GC的脑肌电信号时频耦合分析方法-CN201811564214.6在审
发明人：佘青山;郑行;席旭刚;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-20 - 公布日： 2019-03-22 - 主分类号： A61B5/0476 文献下载
摘要：本发明公开了一种基于Copula‑GC的脑肌电信号时频耦合分析方法，针对皮层肌肉相干性分析时不能确定耦合方向，以及格兰杰因果方法受限于检测线性因果关系的局限性，将Copula‑GC引入的皮层肌肉耦合分析领域。首先同步采集不同力度握力动作时多通道脑电信号和相关肌肉组上的表面肌电信号并进行预处理，其次在时域上计算脑肌电信号间的Copula‑GC值，然后在频域上采用基于子带分解和Copula‑GC的方法对脑肌电信号进行耦合强度统计，从而在时频域上定量描述脑肌电信号在局部频带和信息传递上的非线性同步耦合特性，为研究运动控制及患者康复评价提供一种定量的分析手段。
肌电信号耦合分析肌肉皮层时频预处理握力表面肌电信号相干性分析局部频带脑电信号强度统计同步采集同步耦合信息传递因果关系运动控制子带分解耦合方向耦合多通道时频域频域时域受限康复检测引入分析研究

[发明专利]基于特征类可分性指标的人体日常行为肌电特征选择方法-CN201811606406.9在审
发明人：席旭刚;姜文俊;汤敏彦;石鹏;袁长敏;杨晨;章燕;佘青山;罗志增 -专利权人：杭州电子科技大学
申请日： 2018-12-26 - 公布日： 2019-03-22 - 主分类号： A61B5/0488 文献下载
摘要：本发明公开了一种基于特征类可分性指标的人体日常行为肌电特征选择方法。首先，采集了人体下肢活动中四路表面肌电信号，然后计算了10种提取每路肌电信号的10个肌电特征形成肌电特征池，对静态动作、步态动作、静态转换动作的三大类分别计算10个肌电信号特征各自的特征类可分性指标，从肌电特征池中选择特征类可分性指标高于0.6的肌电特征组成静态动作肌电特征组，特征类可分性指标高于0.5的肌电特征组成步态动作肌电特征组，特征类可分性指标高于0.2的肌电特征组成静态转换动作肌电特征组。根据特征类可分性指标可以最大限度的利用各个特征，不会造成特征信息的浪费或冗余，大大降低了算法的复杂度，使分类效果更好。
肌电可分性肌电信号特征组成特征组静态转换日常行为特征选择特征池步态分类效果人体下肢特征信息特征形成复杂度路表面冗余算法采集

[发明专利]基于人体加速度多特征融合和KNN的跌倒检测方法-CN201810768671.0在审
发明人：席旭刚;华仙;汤敏彦;罗志增;张启忠;佘青山;蒋鹏 -专利权人：杭州电子科技大学
申请日： 2018-07-13 - 公布日： 2019-01-11 - 主分类号： A61B5/11 文献下载
摘要：本发明公开了一种基于人体加速度多特征融合和KNN的跌倒检测方法。本发明通过两个加速度传感器采集人体动作信息，提取的人体加速度的特征参数，通过主成分分析的数据压缩方法将特征集从162维降到12维。通过改进的KNN机器学习算法，即通过聚类方法在跌倒和非跌倒两类中各搜索到样本点，构成训练样本簇，根据样本模糊熵计算加权欧氏距离找出最临近的K个近邻点，将待分类动作归为这K个近邻中的多数所属的类别。本发明针对日常生活频度最高的动作作为实验，所提的基于人体加速度多特征融合和KNN的跌倒检测算法，灵敏度达到100％，可以快速有效的检测跌倒，同时也有很高的特异度，不会把日常行为动作误判为跌倒。
跌倒多特征融合跌倒检测跌倒检测算法机器学习算法加权欧氏距离加速度传感器主成分分析人体动作日常行为数据压缩特征参数训练样本频度灵敏度特征集样本点误判聚类样本搜索采集模糊分类检测改进