期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于肌音信号分析的踝关节动作模式识别
被引量：
2
1
作者
蒋志伟
夏春明
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2015年第1期125-131,共7页
通过测量分析受试者小腿胫骨前肌和腓骨短肌的肌音信号,对踝关节背伸、跖屈、外展、内收等4个动作进行模式识别研究。提出了基于二次包络线的不等长信号分割算法,以及基于非线性小波变换的奇异值特征提取方法,并使用SVM分类器进行模式...
通过测量分析受试者小腿胫骨前肌和腓骨短肌的肌音信号,对踝关节背伸、跖屈、外展、内收等4个动作进行模式识别研究。提出了基于二次包络线的不等长信号分割算法,以及基于非线性小波变换的奇异值特征提取方法,并使用SVM分类器进行模式识别。结果表明:基于不等长分割的算法可以有效截取踝关节肌音信号的动作段信号;在两通道信号采集的情况下,利用非线性小波变换得到的奇异值特征在踝关节四模式识别中总体准确率可以达到87.8%,验证了本文提出的分析方法的有效性。
展开更多
关键词
肌音信号
信号分割
非线性尺度小波
特征提取
踝关节
动作模式识别
在线阅读
下载PDF
职称材料
基于脑肌电融合的混合脑机接口研究
被引量：
13
2
作者
谢平
陈迎亚
+3 位作者
郝艳彪
陈晓玲
杜义浩
吴晓光
《中国生物医学工程学报》
CAS
CSCD
北大核心
2016年第1期20-30,共11页
动作模式识别是脑机接口技术的核心内容之一。针对目前脑机接口动作识别模式单一、识别率低等问题,基于混合脑机接口思想,提出一种脑电和肌电特征融合策略,可实现单侧肢体不同动作模式的有效分类,进而可用于脑机接口技术。同步采集9名...
动作模式识别是脑机接口技术的核心内容之一。针对目前脑机接口动作识别模式单一、识别率低等问题,基于混合脑机接口思想,提出一种脑电和肌电特征融合策略,可实现单侧肢体不同动作模式的有效分类,进而可用于脑机接口技术。同步采集9名健康受试者单侧手腕屈/伸两种动作模式下的脑电信号和表面肌电信号,分别提取脑电信号事件相关去同步化特征和表面肌电信号的积分肌电值特征,构建基于支持向量机和粒子群优化算法的脑肌电融合及运动模式识别模型,通过调整"特征融合系数"来实现动作模式最优分类,从而提高模式识别的准确率;进一步通过递降健康人的肌电信号幅值来模拟患者和运动疲劳状态下的肌电信号,验证所提出方法对动作模式识别的有效性。实验结果表明,基于脑肌电融合特征的动作模式识别率(98%)比单纯依靠脑电特征的识别率(73%)提高25%;在运动疲劳状态下,基于脑肌电融合特征的识别率稳定在80%以上,比单纯依靠肌电特征的识别率提高14%。可见,脑肌电融合策略能提高动作模式识别的准确性和鲁棒性,为混合脑机接口技术提供条件。
展开更多
关键词
脑肌电融合
事件相关去同步化
粒子群优化
动作模式识别
在线阅读
下载PDF
职称材料
肌电信号的功率谱分析方法
被引量：
14
3
作者
杨广映
罗志增
《传感技术学报》
CAS
CSCD
2004年第3期355-358,共4页
当用传统的检测方法对肌电信号 (EMG)进行处理时 ,会出现较大的个体差异 ,针对这一不足 ,我们对其在频域中作具体的分析 ,提出了一种新的表面肌电信号特征提取方法———功率谱比值法。并在非特定人的条件下 ,经过多次实验确定实际所用...
当用传统的检测方法对肌电信号 (EMG)进行处理时 ,会出现较大的个体差异 ,针对这一不足 ,我们对其在频域中作具体的分析 ,提出了一种新的表面肌电信号特征提取方法———功率谱比值法。并在非特定人的条件下 ,经过多次实验确定实际所用肌电信号的主要频率范围和功率谱的各项参数 ,将功率谱比值法应用于前臂肌群的表面EMG特征提取 ,减小了个体差异 ,进而实现非特定人的动作模式识别。
展开更多
关键词
表面肌电信号
功率谱
动作模式识别
在线阅读
下载PDF
职称材料
题名
基于肌音信号分析的踝关节动作模式识别
被引量：
2
1
作者
蒋志伟
夏春明
机构
华东理工大学机械与动力工程学院
出处
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2015年第1期125-131,共7页
文摘
通过测量分析受试者小腿胫骨前肌和腓骨短肌的肌音信号,对踝关节背伸、跖屈、外展、内收等4个动作进行模式识别研究。提出了基于二次包络线的不等长信号分割算法,以及基于非线性小波变换的奇异值特征提取方法,并使用SVM分类器进行模式识别。结果表明:基于不等长分割的算法可以有效截取踝关节肌音信号的动作段信号;在两通道信号采集的情况下,利用非线性小波变换得到的奇异值特征在踝关节四模式识别中总体准确率可以达到87.8%,验证了本文提出的分析方法的有效性。
关键词
肌音信号
信号分割
非线性尺度小波
特征提取
踝关节
动作模式识别
Keywords
mechanomyographic signal
signal segmentation
nonlinearly-scaled wavelets
feature extraction
ankle action modes recognition
分类号
R496 [医药卫生—康复医学]
在线阅读
下载PDF
职称材料
题名
基于脑肌电融合的混合脑机接口研究
被引量：
13
2
作者
谢平
陈迎亚
郝艳彪
陈晓玲
杜义浩
吴晓光
机构
燕山大学电气工程学院河北省测试计量技术及仪器重点实验室
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2016年第1期20-30,共11页
基金
国家自然科学基金(61271142)
河北省自然科学基金(F2015203372
F2014203246)
文摘
动作模式识别是脑机接口技术的核心内容之一。针对目前脑机接口动作识别模式单一、识别率低等问题,基于混合脑机接口思想,提出一种脑电和肌电特征融合策略,可实现单侧肢体不同动作模式的有效分类,进而可用于脑机接口技术。同步采集9名健康受试者单侧手腕屈/伸两种动作模式下的脑电信号和表面肌电信号,分别提取脑电信号事件相关去同步化特征和表面肌电信号的积分肌电值特征,构建基于支持向量机和粒子群优化算法的脑肌电融合及运动模式识别模型,通过调整"特征融合系数"来实现动作模式最优分类,从而提高模式识别的准确率;进一步通过递降健康人的肌电信号幅值来模拟患者和运动疲劳状态下的肌电信号,验证所提出方法对动作模式识别的有效性。实验结果表明,基于脑肌电融合特征的动作模式识别率(98%)比单纯依靠脑电特征的识别率(73%)提高25%;在运动疲劳状态下,基于脑肌电融合特征的识别率稳定在80%以上,比单纯依靠肌电特征的识别率提高14%。可见,脑肌电融合策略能提高动作模式识别的准确性和鲁棒性,为混合脑机接口技术提供条件。
关键词
脑肌电融合
事件相关去同步化
粒子群优化
动作模式识别
Keywords
fusion of EEG and EMG
event-related desynchronization
particle swarm optimization
movement pattern recogniton
分类号
R318 [医药卫生—生物医学工程]
在线阅读
下载PDF
职称材料
题名
肌电信号的功率谱分析方法
被引量：
14
3
作者
杨广映
罗志增
机构
杭州电子科技大学机器人研究所
出处
《传感技术学报》
CAS
CSCD
2004年第3期355-358,共4页
基金
浙江省自然科学基金资助项目 (RC0 2 0 70 )
文摘
当用传统的检测方法对肌电信号 (EMG)进行处理时 ,会出现较大的个体差异 ,针对这一不足 ,我们对其在频域中作具体的分析 ,提出了一种新的表面肌电信号特征提取方法———功率谱比值法。并在非特定人的条件下 ,经过多次实验确定实际所用肌电信号的主要频率范围和功率谱的各项参数 ,将功率谱比值法应用于前臂肌群的表面EMG特征提取 ,减小了个体差异 ,进而实现非特定人的动作模式识别。
关键词
表面肌电信号
功率谱
动作模式识别
Keywords
surface electromyography signal
power spectrum
movement recognition
分类号
TP242.6 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于肌音信号分析的踝关节动作模式识别
蒋志伟
夏春明
《华东理工大学学报（自然科学版）》
CAS
CSCD
北大核心
2015
2
在线阅读
下载PDF
职称材料
2
基于脑肌电融合的混合脑机接口研究
谢平
陈迎亚
郝艳彪
陈晓玲
杜义浩
吴晓光
《中国生物医学工程学报》
CAS
CSCD
北大核心
2016
13
在线阅读
下载PDF
职称材料
3
肌电信号的功率谱分析方法
杨广映
罗志增
《传感技术学报》
CAS
CSCD
2004
14
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
