“飞矩科技（上海）有限公司”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7个，建议您升级VIP下载更多相关专利

[发明专利]一种基于IMU与sEMG特征图像融合的肌电模式识别方法-CN202310861992.6在审
发明人：陈璋 -专利权人： 飞矩科技（上海）有限公司
申请日： 2023-07-14 - 公布日： 2023-09-29 - 主分类号： A61B5/389 文献下载
摘要：本发明涉及一种基于IMU(惯性测量单元)与sEMG(表面肌电信号)特征图像融合的肌电模式识别方法，其步骤包括：1、IMU与sEMG原始数据集的准备，包括数据采集、数据预处理、活动段检测；2、IMU与sEMG特征集的提取，包括特征提取、特征对齐；3、特征图像的构建与融合；4、基于卷积神经网络进行动作分类决策。本发明充分捕捉IMU与sEMG的特征信息，通过特征融合策略保留其结构信息和细节信息，并基于卷积神经网络实现动作模式的分类，提高了肌电模式识别的准确性。
一种基于 imu semg 特征图像融合模式识别方法

[发明专利]一种基于掩码自编码器的肌电信号自监督预训练方法-CN202310037682.2在审
发明人：陈璋 -专利权人： 飞矩科技（上海）有限公司
申请日： 2023-01-09 - 公布日： 2023-05-02 - 主分类号： G06F18/10 文献下载
摘要：本发明涉及一种基于掩码自编码器的肌电信号自监督预训练方法，包括以下步骤：对M通道长度为N的高密度表面肌电信号X(n)预处理为可用于Transformer输入的一组词向量；采用掩码机制将其中的部分词向量遮掩后作为网络输入；网络采用一个非对称的编码器和解码器串联的结构，即编码器只能看到未被遮掩的部分词向量信息，而解码器解码出所有词向量的特征信息；将肌电信号重构作为自监督学习的任务，即利用编码器将肌电信号映射为特征向量，而使用解码器得到的特征信息重构原始信号；经过以上自监督任务预训练的编码器，在下游数据集上微调后可直接用于各种下游任务。本发明能极大加速模型微调时的训练速度并提升准确率，下游迁移性能表现优于有监督预训练。
一种基于掩码编码器电信号监督训练方法

[发明专利]一种鲁棒于电极偏移的肌电手环手势识别方法-CN202310030473.5在审
发明人：陈璋 -专利权人： 飞矩科技（上海）有限公司
申请日： 2023-01-09 - 公布日： 2023-05-02 - 主分类号： G06F3/01 文献下载
摘要：本发明涉及运动信息采集与处理和肌电模式识别技术领域，本发明公开了一种鲁棒于电极偏移的肌电手环手势识别方法。该方法通过三次多项式插值法对训练数据进行插值，通过不同距离的左右平移模拟出手环沿着垂直肌纤维方向发生旋转偏移的多个位置的数据，并分别训练得到多个位置的分类器；根据运动传感器中欧拉角的翻滚角变化，计算出手环重复佩戴时旋转偏移的角度，再根据偏移角度匹配相应位置的分类器进行手势识别。本发明结合了数据增强与偏移位置检测的思想，克服了肌电手环的重复穿戴导致的手势识别系统鲁棒性降低的问题，为肌电手势识别在实际应用中面临的难题和挑战提供了有意义的解决方法和思路。
一种电极偏移肌电手环手势识别方法

[发明专利]一种面向分布式系统自适应的多目标肌电模式识别方法-CN202310009817.4在审
发明人：陈璋 -专利权人： 飞矩科技（上海）有限公司
申请日： 2023-01-04 - 公布日： 2023-04-28 - 主分类号： G06N3/045 文献下载
摘要：本发明涉及一种面向分布式系统自适应的多目标肌电模式识别方法，包括：1、在服务器构建带标签的源域肌电数据集，包括信号采集、滑窗分割、活动段提取、肌电特征图像构建以及动作类别标注；2、在服务器端对源域肌电数据集进行数据增强，并对模型进行预训练；3、在各客户端构建无标签的目标域数据集，从服务器下载训练模型进行本地自适应，再将自适应后的模型参数上传至服务器，并进行动作分类决策；4、服务器端接收各客户端的模型参数，进行模型聚合更新。本发明将表面肌电信号转变成肌电特征图像，基于联邦领域自适应模型，在保证数据隐私安全的同时，降低对分布式终端设备的算力和存储空间的要求，实现对多个目标的跨用户动作识别。
一种面向分布式系统自适应多目标模式识别方法

[发明专利]一种基于多任务学习Transformer的肌电控制方法-CN202211598910.5在审
发明人：陈璋 -专利权人： 飞矩科技（上海）有限公司
申请日： 2022-12-14 - 公布日： 2023-04-18 - 主分类号： G06F3/01 文献下载
摘要：本发明涉及一种基于多任务学习Transformer的肌电控制方法，其特征在于，包括以下步骤：步骤一：采集表面肌电信号并提取包络，将肌电信号和包络信号拼接形成融合样本，对每位用户划分训练集和测试集；步骤二：构建一个基于Transformer的多任务学习模型；步骤三：利用训练集数据训练深度网络模型；步骤四：将测试集数据输入到训练好的网络模型中，同时得到手势识别和肌力估计结果。其能利用手势识别和肌力估计相关任务的关联性，实现高精度的手势识别和肌力估计。
一种基于任务学习 transformer 控制方法

[发明专利]一种基于生成对抗网络的肌电去噪和活动段检测方法-CN202211598926.6在审
发明人：陈璋 -专利权人： 飞矩科技（上海）有限公司
申请日： 2022-12-14 - 公布日： 2023-04-07 - 主分类号： A61B5/389 文献下载
摘要：本发明涉及一种基于生成对抗网络的肌电去噪和活动段检测方法，该方法由采集纯净的sEMG作为纯净样本，通过添加人工噪声以及运动伪影等合成噪声样本，划分测试集和训练集，去噪网络和活动段检测网络的生成与训练等步骤组成。通过引入包含门循环单元的生成器模块和卷积神经网络学习肌电信号的时域以及空域信息，通过包含残差网络的生成器模块提高网络的识别能力。本发明可进行肌电信号噪声的去除，提高了肌电信号的信噪比；同时进行活动段检测，有利于从用户的任意中间动作进行识别。本发明可用于肌电信号的预处理步骤和去噪技术领域。
一种基于生成对抗网络肌电去噪活动检测方法

[发明专利]一种智能卫生护理用品及其制备方法-CN201910335354.4有效
发明人：陈璋 -专利权人： 飞矩科技（上海）有限公司
申请日： 2019-04-24 - 公布日： 2023-01-13 - 主分类号： A61F13/42 文献下载
摘要：本申请涉及卫生护理用品技术领域，特别是涉及一种智能卫生护理用品及其制备方法。所述卫生护理用品包括：依次层叠设置的接触层、吸收层、导电基底层；所述导电基底层包括基底层、第一导电线和第二导电线，所述第一导电线和第二导电线位于吸收层和基底层之间；所述导电基底层的材料为柔性材料；所述导电基底层的延伸率为2％～5％。本发明可以实现大范围便溺的检测，同时印刷导电油墨的导电基底层具有良好的抗弯折性能和延展性能，且第一导电线和第二导电线能很好的附着在基底层上，使得导电油墨不容易出现剥离和断裂现象，电阻在折弯前后变化小于50％。
一种智能卫生护理用品及其制备方法