您的位置: 专家智库 > >

国家自然科学基金(60171006)

作品数:18 被引量:68H指数:5
相关作者:王志中胡晓谢洪波黄海任小梅更多>>
相关机构:上海交通大学华南师范大学淮阴工学院更多>>
发文基金:国家自然科学基金国家重点基础研究发展计划更多>>
相关领域:医药卫生自动化与计算机技术自然科学总论电子电信更多>>

文献类型

  • 18篇中文期刊文章

领域

  • 14篇医药卫生
  • 2篇自动化与计算...
  • 1篇电子电信
  • 1篇自然科学总论

主题

  • 9篇电信号
  • 9篇肌电
  • 9篇肌电信号
  • 6篇面肌
  • 6篇表面肌电
  • 6篇表面肌电信号
  • 5篇小波
  • 3篇神经网
  • 3篇神经网络
  • 3篇网络
  • 3篇小波包
  • 3篇小波包变换
  • 3篇SEMG
  • 2篇电图
  • 2篇损伤神经
  • 2篇人工神经
  • 2篇人工神经网络
  • 2篇混沌
  • 2篇肌电图
  • 2篇工神经网络

机构

  • 14篇上海交通大学
  • 3篇华南师范大学
  • 2篇淮阴工学院
  • 1篇江苏大学

作者

  • 14篇王志中
  • 7篇胡晓
  • 6篇谢洪波
  • 5篇黄海
  • 4篇任小梅
  • 3篇秦川
  • 3篇王刚
  • 2篇马波
  • 2篇马明辉
  • 1篇吴延东
  • 1篇马从斌
  • 1篇颜志国
  • 1篇黄永峰

传媒

  • 4篇北京生物医学...
  • 2篇生物医学工程...
  • 2篇医疗卫生装备
  • 2篇中国医学物理...
  • 2篇Journa...
  • 1篇哈尔滨工业大...
  • 1篇物理学报
  • 1篇数据采集与处...
  • 1篇信号处理
  • 1篇Journa...
  • 1篇Journa...

年份

  • 1篇2008
  • 1篇2007
  • 5篇2006
  • 5篇2005
  • 3篇2004
  • 3篇2003
18 条 记 录,以下是 1-10
排序方式:
利用AR模型参数分析损伤神经的针电极肌电信号被引量:6
2004年
影响募集形式的两种主要因素为时间募集和空间募集 ,本文提出了一种利用现代谱分析技术来分析针电极肌电信号募集的方法。通过建立全极点 AR模型 ,利用时 -频谱分析了不同神经不同程度损伤的肌电信号的时间募集减少和空间募集减少。最后提取前臂 NEMG信号的 AR系数并通过 BP神经网络辨识了不同程度损伤的肌电信号 ,取得了良好的实验结果。
秦川王志中王刚马波
关键词:AR模型神经损伤肌电信号人工神经网络肌电图
表面肌电的支持向量机分类被引量:13
2004年
支持向量机 (SVM)是一种新的机器学习机制。研究了基于支持向量机的控制假手表面肌电识别方法和性能 ,并与反向传播 (BP)神经网络分类器进行了比较。分类的六种手腕部动作分别是腕内旋、腕外旋、展拳、握拳、肘部外旋、肘部内旋。利用“一对一”的分类策略和二叉树构造多类SVM分类器。核函数分别采用多项式和径向基函数。实验结果表明SVM可以有效地对表面动作肌电进行分类 ,SVM分类准确率普遍优于传统的BP神经网络 ,且具有良好的泛化推广能力。
谢洪波王志中黄海
关键词:表面肌电信号支持向量机SVMEMG生物相容性
基于模糊自相似性的表面肌电信号分形分析被引量:3
2006年
表面肌电信号(surface EMG,sEMG)是一种复杂的非线性信号。近年来,分形分析常被用来揭示这种非线性特征。本文采用一种基于模糊自相似性的分数维计算方法,来获取前臂执行四种动作时所对应的动作sEMG的分数维。结果表明,通过这种方法获得的分数维能够聚集在各自特定的范围内,并且,通过分形维能够区分部分动作sEMG。
胡晓王志中任小梅马波
关键词:SEMG分数维
基于分形维前臂动作表面肌电信号的分类(英文)被引量:1
2005年
通过分形维对表面肌电信号进行识别分类.在30个健康志愿者做前臂内旋和外旋时,从他们的右前臂肌前群分别采集2类动作表面肌电信号.当原始动作表面肌电信号用小波包变换分解成几个子信号后,采用一种基于模糊自相似性的方法计算原始信号和4个子信号的分形维.结果表明:从频带0~125 Hz的子信号求得的内旋和外旋动作表面肌电信号的分形维有各自的范围;通过该分形维进行Bayes决策时,错误识别率仅2.26%.因此,该分形维适合用来识别内旋和外旋动作表面肌电信号.
胡晓王志中任小梅
关键词:分形维小波包变换
基于模糊识别理论的针电极肌电信号的辨识被引量:2
2003年
针对针电极肌电信号的不确定性 ,提出了一种利用模糊识别理论辨识针电极肌电信号的方法 ,对前臂异常募集时的针电极肌电信号进行辨识 ,给出了模糊识别所需的特征量 ,隶属度函数和特征关系矩阵。与选取相同特征值和样本数量的贝叶斯分类器的对比实验表明 ,这种方法所需样本少 。
秦川王志中马明辉
关键词:肌电图隶属度函数
小波包变换特征提取与表面肌电分类被引量:9
2003年
针对表面肌电(SEMG)的非平稳特性,提出采用小波包变换方法对其进行分类。分析了特征提取方法并采用小波包变换各频段能量构造特征矢量,经过学习矢量量化神经网络训练能够有效地从伸肌和屈肌采集的两道肌电信号中识别伸拳,展拳,腕内旋,腕外旋4种运动模式,平均识别率为94.5%。与其它时频分析方法比较,该方法不仅识别率高,鲁棒性好,也为其他非平稳生理信号分析提供了新手段。
谢洪波王志中黄海
关键词:小波包变换表面肌电信号学习矢量量化时频分析神经网络训练
基于小波包熵的与动作相关表面肌电信号的分类被引量:10
2005年
目的:对与动作相关的表面肌电信号进行分类识别。材料与方法:与动作相关的表面肌电信号是从右手前臂肌群表面采集而来。用小波包变换将信号分解成16个等频带宽的的子空间。之后,计算每个子空间的相对小波包能量和每个信号的小波包熵。结果:正确识别率达到100%。结论:小波包熵能够作为与动作相关的表面肌电信号的特征值来识别不同的动作表面肌电模式。
胡晓王志中颜志国
关键词:表面肌电信号小波包变换
表面肌电信息融合与动作分类被引量:5
2005年
提出基于多个特征域信息融合的方法,进一步去除不确定性、提高表面肌电分类准确率。选择的表面肌电特征参数分别为时域绝对值积分、AR模型系数和线性倒谱系数。待辨识的6类手部动作肌电信号经各特征域变换,提取特征矢量后由BP神经网络分类,根据D-S证据理论对各分类器分类结果进行证据累积,并得到最终分类结果。实验结果表明,动作分类准确率高于传统的单特征集单分类器的分类方法,且训练、分类效率高于结构化神经网络特征融合方法。
谢洪波黄海王志中
关键词:信息融合肌电信号
A Novel Model of F0 Contours Prediction for Continuous Speech
2005年
F0 (fundamental frequency) contour was studied under different prosodic environment in continuous speech and a novel model of F0 contours prediction was proposed. It describes syllabic F0 contour with two points, one curve and duration. The curve represents two optimal points of controlling parameters. The duration represents the syllabic duration. The prosodic characters of controlling parameters were analyzed by CART (Class and Regression Tree). A set of cont rolling parameters was analyzed, which reflects the linguistic environment and prosodic structure. Then it sets up the model of F0 contours prediction with the two optimal controlling parameters and F0 templates. The end pitch value of previous syllable as special prosodic parameters was used to keep the continuity of fore-and-aft syllable. It focuses on looking out the main prosodic clues hiding in F0 contours and applying it to simplify the model for prediction. The results of s ynthesis experiment show that the performance of the prediction method is apprec iated.
胡文英祖漪清王志中
关键词:控制参数决策树CART
一种改进的经验模型分解方法被引量:3
2006年
在对复杂信号进行分析中,常把它展开成一系列基本信号,然后,通过研究每个基本成分或者相应系数的特点来分析复杂信号。Huang等人提出经验模型分解方法(Empirical Mode Decomposition,EMD),通过筛选,将复杂信号中分解成一系列内在模型函数(Intrinsic Mode Function,IMF)。在本论文中,作者对经验模型分解中的一个重要的筛选过程作了部分改进,提出了一种改进检验模型分解法(Modified EMD,MEMD)。利用改进检验模型分解法,能够既快又准确地获得内在模型函数,而且,得到的内在模型函数能保留原信号中各成分的瞬时频率的规律。
胡晓王志中任小梅
关键词:EMDIMF肌电信号
共2页<12>
聚类工具0