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！

龙图腾网获悉华南理工大学;人工智能与数字经济广东省实验室(广州)申请的专利基于双重聚类与混淆样本筛选的多级肌肉疲劳监测方法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：CN120878149B 。

龙图腾网通过国家知识产权局官网在2026-03-10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：202510974645.3，技术领域涉及：G16H50/20；该发明授权基于双重聚类与混淆样本筛选的多级肌肉疲劳监测方法是由吴瀚聪;张锦源设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本基于双重聚类与混淆样本筛选的多级肌肉疲劳监测方法在说明书摘要公布了：本发明的目的在于提供一种基于双重聚类与混淆样本筛选的多级肌肉疲劳监测方法，该方法通过设定距离差阈值并结合双重聚类模型，共同筛选和处理混淆样本，以细化疲劳类别。实施例从三分类基础扩展至五分类，力求细致反映疲劳的发展过程。该方法采用无监督聚类技术，不依赖主观标签，仅将主观量表记录的真实标签作为聚类结果的大致疲劳评估参考。该方法仅利用多通道中频信号作为疲劳特征，以确保方法的实时性，其主要计算负担集中在快速傅里叶变换上。

本发明授权基于双重聚类与混淆样本筛选的多级肌肉疲劳监测方法在权利要求书中公布了：1.一种多级肌肉疲劳监测方法，其特征在于，包括步骤： 采集局部肌肉在持续动态或静态收缩直至疲劳过程中的多通道原始肌电信号，形成原始信号序列； 对所述原始信号序列进行预处理并提取多通道中频特征，得到中频特征序列； 基于所述中频特征序列，构建双重聚类模型；其中，构建双重聚类模型，具体包括：基于中频特征序列，对局部肌肉在持续动态或静态收缩直至疲劳过程进行划分，得到初始分类级别和细分类别级别，初始分类级别包含N个肌肉疲劳类别，细分类别级别包含M个肌肉疲劳类别，M＞N；利用MiniBatchKMeans算法生成初始分类级别的聚类中心，通过插空操作得到细分类别级别的中间聚类中心，基于初始分类级别的聚类中心，生成第一聚类模型；基于初始分类级别的聚类中心和细分类别级别的中间聚类中心，生成第二聚类模型，将第一聚类模型和第二聚类模型作为双重聚类模型；确定第一聚类模型和第二聚类模型的类别转换矩阵和第一聚类模型的聚类中心最小距离差矩阵， 其中，确定第一聚类模型和第二聚类模型的类别转换矩阵，具体包括：对双重聚类模型的聚类中心的各通道的中频特征分别求和，分别从大到小排序，得到排序后的索引矩阵，索引矩阵表征双重聚类模型输出的聚类标签与真实肌肉疲劳类别的关系，根据索引矩阵确定双重聚类模型输出的聚类标签与真实肌肉疲劳类别的关系字典，依据该关系字典转换得到类别转换矩阵； 确定聚类中心最小距离差矩阵，具体包括：遍历第一聚类模型的聚类中心，计算当前聚类中心与其他聚类中心的距离以及当前聚类中心与自身的距离，将距离值按从小到大的顺序排序，遍历排序后的距离值，筛选出真实肌肉疲劳类别相邻的最小距离与次小距离，对最小距离与次小距离作差得到该聚类中心的最小距离差，遍历完成后得到最小距离差矩阵； 实时采集同一局部肌肉在持续动态或静态收缩直至疲劳过程中的多通道肌电信号，对所述多通道肌电信号进行预处理并提取多通道中频特征，得到实时样本特征序列； 利用所述双重聚类模型，对实时样本特征序列进行混淆样本筛选，得到肌肉疲劳监测结果。

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华南理工大学;人工智能与数字经济广东省实验室(广州)，其通讯地址为：511442 广东省广州市番禺区兴业大道东777号华南理工大学广州国际校区未来技术学院B1-c411；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。