Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东中科先进技术研究院有限公司陈财获国家专利权

山东中科先进技术研究院有限公司陈财获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉山东中科先进技术研究院有限公司申请的专利一种肌肉运动识别方法及表面肌电信号采集装置获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN112244851B

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202011268602.7,技术领域涉及:A61B5/296;该发明授权一种肌肉运动识别方法及表面肌电信号采集装置是由陈财;彭福来;张昔坤;李卫民;王海滨设计研发完成,并于2020-11-13向国家知识产权局提交的专利申请。

一种肌肉运动识别方法及表面肌电信号采集装置在说明书摘要公布了:本发明涉及一种肌肉运动识别方法及表面肌电信号采集装置,方法包括:利用表面肌电信号采集装置采集历史表面肌电信号;对所述历史表面肌电信号进行处理,得到表面肌电信号特征子集;构建卷积神经网络模型;通过所述表面肌电信号特征子集对所述卷积神经网络模型进行训练,得到肌肉运动识别模型;根据所述肌肉运动识别模型识别肌肉运动。装置包括:肌电信号传感器、低通滤波器、运算放大器、模数转换器和无线传输模块。本发明通过对历史表面肌电信号处理得到表面肌电信号特征子集,利用表面肌电信号特征子集训练得到的肌肉运动识别模型识别肌肉运动,识别过程更快速、准确。

本发明授权一种肌肉运动识别方法及表面肌电信号采集装置在权利要求书中公布了:1.一种表面肌电信号采集装置,其特征在于,包括: 肌电信号传感器,用于采集初始表面肌电信号; 低通滤波器,与所述肌电信号传感器连接,用于对所述初始表面肌电信号进行滤波,得到滤波后的信号; 运算放大器,与所述低通滤波器连接,用于将所述滤波后的信号进行放大,得到放大后的信号; 模数转换器,与所述运算放大器连接,用于将所述放大后的信号转换为数字信号,得到表面肌电信号; 无线传输模块,与所述模数转换器连接,用于对所述表面肌电信号进行传输; 控制器,与所述肌电信号传感器、低通滤波器、运算放大器、模数转换器和无线传输模块连接,用于控制所述肌电信号传感器、低通滤波器、运算放大器、模数转换器和无线传输模块的运行;所述控制器用于获取历史表面肌电信号;对所述历史表面肌电信号进行处理,得到表面肌电信号特征子集;构建卷积神经网络模型;通过所述表面肌电信号特征子集对所述卷积神经网络模型进行训练,得到肌肉运动识别模型;根据所述肌肉运动识别模型识别肌肉运动; 其中,对所述历史表面肌电信号进行处理,得到表面肌电信号特征子集,包括:对所述历史表面肌电信号进行归一化处理,得到归一化后的信号;对所述归一化后的信号进行滤波处理,得到滤波后的信号,具体为: 对所述归一化后的信号进行离散小波变化,得到高频信号系数和低频信号系数,根据预设阈值对所述高频信号系数进行滤波,得到滤波后的高频信号系数,利用所述低频信号系数和所述滤波后的高频信号系数进行信号重构,得到滤波后的信号; 提取所述滤波后的信号的时域特征,构建特征矩阵;所述时域特征包括均方根、方差、波长长度、过零点数、平均绝对值、最大分形长度、平均能量和自回归系数;对所述特征矩阵进行滤波处理,得到滤波后的特征矩阵;根据所述滤波后的特征矩阵利用随机森林-递归特征消除算法得到表面肌电信号特征子集; 其中,对所述特征矩阵进行滤波处理,得到滤波后的特征矩阵,包括:采用当前点前后N个值与比例系数之积替换当前点;当前点为特征矩阵中的任意一点;比例系数随时间递减; 所述对所述特征矩阵进行滤波处理,具体为利用公式: ; 对所述特征矩阵进行滤波处理;其中,为滤波后的特征矩阵中的第i个值,N为滤波器阶数,为从特征矩阵提取的第j个值,的累计和为1,,q为比例系数; 所述滤波器阶数和所述比例系数是利用粒子群算法计算的;其中,所述粒子群算法计算过程为: 利用所述滤波器阶数和所述比例系数初始化粒子数量; 根据粒子的位置计算粒子适应值; 根据所述粒子适应值、粒子经过的最优位置和所述粒子数量下的粒子群经过的最优位置更新粒子最优位置、粒子群最优位置以及粒子的速度和位置; 根据更新后的粒子群最优位置输出最终粒子;所述最终粒子为所述滤波器阶数和所述比例系数; 所述随机森林-递归特征消除算法具体为:利用bootstrap重抽样方法从原始样本中抽取多个样本为bootstrap样本,对每个bootstrap样本构建决策树,根据所有的决策树构建随机森林,在回归模型中计算特征重要度,引入后向迭代的特征评价,删除最小特征重要度对应的特征后再次使用随机森林算法计算剩余特征的特征重要度,直至最后特征只剩下一个。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东中科先进技术研究院有限公司,其通讯地址为:250101 山东省济南市高新区未来创业广场4号楼306房间;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。