检索结果-南通市图书馆

基于sEMG振子模型的骨骼肌等长收缩力与固有特性的能量核表征方法

在线全文

学校读者我要写书评

暂无评论

科学通报 2014年第14期59卷 561-571页

作者：陈幸殷跃红范渊杰上海交通大学机器人研究所机械系统与振动国家重点实验室上海200240

提出了一种肌肉等长收缩力估计与肌肉固有特性表征的新方法,称为能量核方法.此方法的初衷在于将表贴EMG(肌电图)信号转变为平面内的相图,并将相图上状态点的分布核心称作能量核,而噪声信号的分布核心称为噪声核.基于相图的统计特征,将一... 详细信息

提出了一种肌肉等长收缩力估计与肌肉固有特性表征的新方法,称为能量核方法.此方法的初衷在于将表贴EMG(肌电图)信号转变为平面内的相图,并将相图上状态点的分布核心称作能量核,而噪声信号的分布核心称为噪声核.基于相图的统计特征,将一段EMG信号近似为简谐振子,简称EMG振子.本文建立了控制信号(EMG)与输出信号(力/功率)之间的关系,并提出用EMG的特征能量来表征肌肉力.另一方面,通过对能量核与噪声核的计算,能够得到噪声与EMG信号的自然频率并实现直观的信噪识别与分离.实验结果表明,特征能量对等长收缩力的表征度令人满意,并且由于结合了RMS与MPF两种方法的优点,此方法具有很高的鲁棒性;而特定肌肉的EMG自然频率不取决于MU放电频率,故其反映了肌肉的固有特性.此模型体现的物理意义为EMG信号的理解与分析提供了新的启发.

关键词：表贴EMG信号 EMG振子能量核等长收缩力自然频率

基于表面肌电信号能量核相图的卷积神经网络人体手势识别算法

在线全文

学校读者我要写书评

暂无评论

生物医学工程学杂志 2021年第4期38卷 621-629页

作者：许留凯张克勤徐兆红杨根科上海交通大学宁波人工智能研究院浙江宁波315000 上海交通大学自动化系上海200240 宁波工业互联网研究院浙江宁波315000

表面肌电信号(sEMG)是一种不平稳非周期的微弱信号,基于时域和频域特征提取的sEMG信号分类方法识别率低、稳定性差。本文通过对sEMG信号能量核特征的建模分析,提出一种利用卷积神经网络(CNN)对sEMG信号能量核相图进行分类的新架构,来对... 详细信息

表面肌电信号(sEMG)是一种不平稳非周期的微弱信号,基于时域和频域特征提取的sEMG信号分类方法识别率低、稳定性差。本文通过对sEMG信号能量核特征的建模分析,提出一种利用卷积神经网络(CNN)对sEMG信号能量核相图进行分类的新架构,来对人体手势动作进行识别。首先,利用矩阵计数方法将sEMG信号能量核相图处理为灰度图像;其次,利用移动平均对灰度图进行预处理;最后,采用CNN对手势sEMG信号进行识别。利用手势sEMG信号数据集进行了实验验证,结果表明选用CNN识别框架的有效性以及CNN结合能量核相图的识别方法相比于能量核面积提取方法,在识别精度和计算效率上具有明显的优势。本文算法为sEMG信号的建模分析与实时识别问题提供了新的可行方法。

关键词：表面肌电信号手势识别能量核卷积神经网络

基于卷积神经网络的肌电信号人体运动模式识别技术

在线全文

学校读者我要写书评

暂无评论

兵工学报 2024年第7期45卷 2144-2158页

作者：刘亚丽鲁妍池马勋举宋遒志北京理工大学机电学院北京100081 北京理工大学前沿技术研究院外骨骼技术研发中心山东济南250300

随着外骨骼机器人等肌电控制设备的快速发展,表面肌电信号此类非平稳、非周期信号在高性能运动识别系统中的应用已成为相关研究领域的重点。为实现肌电信号跨域特征融合,提出一种基于肌电信号的双卷积链神经网络模型,采集7块关键肌肉的... 详细信息

随着外骨骼机器人等肌电控制设备的快速发展,表面肌电信号此类非平稳、非周期信号在高性能运动识别系统中的应用已成为相关研究领域的重点。为实现肌电信号跨域特征融合,提出一种基于肌电信号的双卷积链神经网络模型,采集7块关键肌肉的原始肌电信号,经特征提取,转化为能量核相图和离散小波变换系数特征图,分别输入双卷积链神经网络的卷积神经网络分支和MobileNetV2分支,利用融合模块提取高层隐藏特征并进行充分交互。制备包括以上两种特征图像和传统肌电信号图谱在内的3种数据集。3组交叉实验结果表明:所提方法对6种自测下肢运动的平均识别准确率达94.19%,显著优于其他特征组合与网络架构;在ENABL3S开源数据集识别7种下肢运动中取得98.32%的稳态识别准确率,进一步验证了所提方法优良的肌电特征捕捉能力和模式识别准确性。

关键词：外骨骼机器人表面肌电信号运动模式识别双卷积链神经网络能量核小波变换分析

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

天地演化导论

中国矿业 2024年第S1期 622-630页

作者：张春雷李霞宋思仪张帆赵博招金矿业股份有限公司中国矿业大学西安交通大学河北工业大学南湖实验室

为了探寻地球与宇宙未知奥秘，将天文学、地理（地质）学、物理学及高能化学紧密结合在一起，运用辩证统一的思想和正演、反演和举证的方法，对这一重大课题开展了研究。指出：地球及其他各大行星，以及所有恒星都各自拥有一个由高能粒... 详细信息

为了探寻地球与宇宙未知奥秘，将天文学、地理（地质）学、物理学及高能化学紧密结合在一起，运用辩证统一的思想和正演、反演和举证的方法，对这一重大课题开展了研究。指出：地球及其他各大行星，以及所有恒星都各自拥有一个由高能粒子组成的引力、能量巨大的能量核（引力核）；“万有”引力不是存在于任何物体之间；聚变与裂变、合并与分裂是宇宙及其星系永恒的主题，宇宙是永恒存在的，宇宙之外还有宇宙，碰撞与爆炸只是发生在星系内部或星系之间，不存在宇宙大爆炸，各星系也不是大爆炸后的星云凝结而成。研究指出了暗物质及其暗能量的藏身之处。对地理演化的内外动力及其过程提出了新认识。研究创立了星际碰撞（撞击）地理学说，指出大陆和深海是星际碰撞产生的，青藏高原是由于星际碰撞的液压隆升效应叠加隆起形成的。指出地球不存在大规模板块飘移、板块俯冲地壳运动型式。提出液压隆升效应之叠加隆起构造对热液型金属非金属矿床的控矿机制。指出了大地构造型式的复杂多样性。丰富了人与自然生命共同体理论的科学内涵。

关键词：能量核聚核引力与散核引力裂变与聚变星际碰撞构造形迹构造体系液压隆升效应自然哲学

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

传感器网络中基于子网的数据汇聚路由算法

计算机应用 2006年第8期26卷 1772-1775页

作者：王雷陈治平福建工程学院计算机与信息科学系

提出了“子网”和“能量核”的概念及一种新的蚂蚁算法,给出了一种传感器网络中基于子网的分布式数据汇聚层次路由算法DDCHA。与集中式路由算法AC和GITDC相比,DDCHA中各节点不需要维护任何全局信息。另外,子网与能量核的构造及蚂蚁算法... 详细信息

提出了“子网”和“能量核”的概念及一种新的蚂蚁算法,给出了一种传感器网络中基于子网的分布式数据汇聚层次路由算法DDCHA。与集中式路由算法AC和GITDC相比,DDCHA中各节点不需要维护任何全局信息。另外,子网与能量核的构造及蚂蚁算法的正反馈性提高了算法的数据汇聚程度,降低了算法的时间复杂性。理论分析和仿真结果都说明了该算法的有效性。

关键词：传感器网络子网能量核位置信息蚂蚁算法

传感器网络中一种分布式数据汇聚层次路由算法

在线全文

学校读者我要写书评

暂无评论

电子学报 2004年第11期32卷 1801-1805页

作者：林亚平王雷陈宇张锦陈治平童调生湖南大学计算机与通信学院湖南长沙410082 湖南大学电气与信息工程学院湖南长沙410082

由于传感器网络具有能量约束 ,低速率冗余数据和多对一传输等特点 ,传统的端到端集中式路由算法一般不适合传感器网络 .提出了一种分布式数据汇聚层次路由算法 ,该算法利用能量核的思想汇聚数据和减少传输到目的节点的信息 .模拟结果表... 详细信息

由于传感器网络具有能量约束 ,低速率冗余数据和多对一传输等特点 ,传统的端到端集中式路由算法一般不适合传感器网络 .提出了一种分布式数据汇聚层次路由算法 ,该算法利用能量核的思想汇聚数据和减少传输到目的节点的信息 .模拟结果表明 :比较传统的端到端集中式路由算法 ,该算法可以显著减少能量消耗 ;与一般的数据汇聚算法相比 ,该算法在保证能量消耗少的条件下。

关键词：传感器网络能量核数据汇聚路由算法

基于stacking集成学习的腰部表面肌电信号动作识别

在线全文

学校读者我要写书评

暂无评论

基于stacking集成学习的腰部表面肌电信号动作识别

作者：吴丽媛燕山大学

学位级别：硕士

针对单一模型无法准确提取出不同动作的数据特征,进而导致识别困难的问题,提出了一种基于stacking集成学习的腰部表面肌电信号识别模型。首先采集腰部竖脊肌六种动作下的表面肌电信号,其次对含有噪声的原始信号进行预处理后,提取阈值范... 详细信息

针对单一模型无法准确提取出不同动作的数据特征,进而导致识别困难的问题,提出了一种基于stacking集成学习的腰部表面肌电信号识别模型。首先采集腰部竖脊肌六种动作下的表面肌电信号,其次对含有噪声的原始信号进行预处理后,提取阈值范围的矩阵计数特征,最后设计stacking集成识别算法进行腰部动作验证。本文研究内容主要体现在以下三个方面:(1)面对人体腰部肌电信号采集困难、数据集不足的问题,进行腰部肌电信号采集实验。首先进行等长收缩实验降低不同志愿者的信号差异性;其次根据腰部运动设计六种基础动作:向前弯腰、向右弯腰、向左弯腰、向右弯腰、向左扭腰和向右扭腰,采集十二位志愿者在这六种动作下的肌电信号;然后对肌电信号进行信号同一化并根据短时能量对肌电信号进行分割;最后通过LMS滤波算法对信号进行降噪处理。(2)针对肌电信号时频域特征提取存在信息冗余等局限性问题,改进能量核特征提取算法-基于阈值范围的矩阵计数法,提升肌电信号分类领域效率。从运算时间、分类精度两方面进行实验,通过比较证明了阈值矩阵计数法特征提取方法效果良好,能够在运算效率和分类精度两方面得到提升。(3)提出一种基于Stacking集成学习的腰部肌电信号模型,该模型将Stacking集成学习框架引入肌电信号识别中,以KNN、RF、XGboost、Light GBM算法作为基学习器,决策树模型作为元学习器构建集成模型。利用五折交叉验证法对训练集进行划分,减少集成模型重复训练过程中的过拟合问题。根据实验表明,该模型对六种腰部动作的识别的平均准确率达94.98%,比单一模型提升约6%,识别速度能够在150ms内,满足实时识别的要求。最后设计上位机通讯页面,分析患者采集肌电信号时的信号质量与信号分类。

关键词：肌电信号 stacking集成学习能量核识别模型