专利交易市场

一种基于多目标的表面肌电信号分类方法，包括：对通道、特征使用进行限制，在减少通道与特征的数目以便降低成本的同时，保证高效的识别效率，并防止不同动作识别率差别过大，从而建立含有四个目标的多目标问题。最后使用基于分解的多目标优化算法求解最优Pareto前沿解。使用单目标规划对肌电信号进行优化，容易忽略成本、动作识别不均匀等因素，本发明使用多目标规划对肌电信号进行建模，可以很好地避免这些问题；使用较少的特征、通道能够降低计算量，减少硬件、运算成本，加快对肌电信号的识别，做到实时性，为将来能够操控假肢完成预设动作打下良好基础。

一种基于子宫肌电信号的宫缩一致性计算方法，包括：步骤S1、采集多通道子宫肌电信号，并将其转换为数字信号；步骤S2、对子宫肌电信号进行带通滤波去除干扰噪声；步骤S3、根据TOCO或宫缩检测算法确认宫缩位置，并根据宫缩的开始和结束时刻截取EHG宫缩段。步骤S4、对于多通道EHG宫缩段，计算每个通道的皮尔森相关系数COR形成连通矩阵；步骤S5、将连通性矩阵视为图论中的邻接矩阵，设定阈值T，当邻接矩阵中的值小于该阈值时设为0，否则设为1，从而建立不同电极节点之间的关联。步骤S6、计算每个电极节点的局部效率Ei。并根据局部效率计算整个宫缩的一致性E，从而刻画孕妇接近分娩的程度。

一种基于子宫肌电信号的宫缩信息提取方法，包括：步骤S1、通过孕妇腹部上的电极采集一定时长的子宫肌电信号，并将其转换成数字信号；步骤S2、对子宫肌电信号进行预处理；步骤S3、采用滑动窗口的方式将子宫肌电信号分割为一系列重叠的窗口；步骤S4、计算每个窗口的样本熵SampEn和过零率ZC；步骤S5、对样本熵和和过零率值进行归一化,并对每个窗口的样本熵和过零率分别进行加权求和，得到每个窗口对应时刻的宫缩强度F；步骤S6、设定宫缩开始和结束的权重因子ωs，ωe来检测信号中存在的宫缩的开始和结束位置，并计算宫缩的发生频率fc和平均时长dc。本发明能借助无创采集的子宫肌电信号，得到更可靠的宫缩信息。

一种基于双分支网络的表面肌电信号识别方法，包括：S1：采用窗口分析法对原始信号数据预处理；S2：利用机器学习方法对肌电信号各通道进行特征提取，得到一维离散特征x，再采用特殊二维化方法，先对原特征向量x中的m个离散特征信息进行平方处理得x2，再将特征向量x与x2进行笛卡尔积运算，得到二维合成矩阵F；S3：将得到的二维特征矩阵放入CNN网络中，进行多次卷积与池化，提取空间特征信息，得到空间特征图Mapspace；S4：将原始肌电信号进行归一化处理，使得原始数据缩放到同特征二维化后相同的数据范围；S5：将处理后的信息放入GRU网络中训练，提取时间特征信息，得到时间特征图Maptime；S6：使用全连接层融合两个网络训练的参数Mapspace和Maptime，最后通过softmax层进行分类。

本发明公开了一种基于多元变分模态分解的脑电多域特征提取方法，本发明首先利用MVMD对原始脑电多通道数据进行自适应分解，然后从分解得到的固有模态函数(IMF)分量提取信号的时域特征以及非线性动力学特征，同时将IMF分量合并构造新的信号矩阵，并采用共空间模式(CSP)法对重构信号提取空间特征，进行时域、非线性动力学以及空域特征的结合，最后通过支持向量机(SVM)对此特征集分类。本发明能有效判别与特定任务相关的重要信息成分，为脑电信号的特征提取提供了新的思路。

本发明公开了一种基于复杂改进多尺度传递熵的脑肌电耦合分析方法，包括：采集脑电信号和肌电信号、并对采集到的脑电信号和肌电信号分别去除基线漂移、溢出、眼动和工频干扰；采用复杂改进粗粒化过程对脑电和肌电信号进行频谱分解，分析脑电信号和肌电信号不同时频尺度间的同步特性，定量描述脑肌间非线性耦合和信息传递特征；对脑肌间非线性耦合和信息传递特征进行运动功能分析。本方法利用复杂改进多尺度传递熵分析脑肌电信号信息传递特性，定量描述脑电信号与肌电信号不同时频尺度间非线性耦合及信息传递特征，有助于探索大脑皮层与肌肉之间的功能联系。

本发明提供一种基于肌电和惯性信息的手部训练及评估方法，步骤如下：S1、根据不同的训练强度，设计两种虚拟训练场景；S2、将delsys的肌电惯性采集模块分别与第一侧和第二侧进行连接，并将采集的肌电惯性信号传输给上位机；S3、在进入虚拟训练场景之前，将S1中虚拟训练场景的动作训练提示进行分类器的训练；S4、将S2采集的第一侧的肌电信号通过S3进行预处理和特征提取，并送入S3训练好的区分动作的分类器中，生成相应的动作指令；S5、将S4生成的动作指令传输到康复机械手中，完成对应的动作；S6、对S5训练好的动作完成训练后的结果进行评估。本发明利用第一侧第二侧协同运动，结合康复机械手辅助第二侧进行抓握训练，加速手部康复速度和康复效果。

本发明公开了一种基于小波‑传递熵的多时频尺度间脑肌电耦合分析方法，所述方法包括脑肌电信号同步采集部分和信号处理部分，脑肌电信号同步采集部分包括脑电信号采集和肌电信号采集；信号处理部分包括信号预处理和脑肌电的小波‑传递熵分析方法。本发明具有可应用性、可采纳性，在康复医学领域具有重要的应用价值。

本发明是一种面向多通道脑肌电耦合分析的多元全局同步指数方法，能够从全局角度探究两组多维信号间关系，可应用于多模态信号分析中，评估大脑和肌肉不同区域信息交流的同步强度。首先，对脑肌电数据预处理并提取频段信息；其次，构建数据集并利用网格划分，统计网格中数据点出现频率计算互信息，并标准化处理得到同步系数，构建相关矩阵；然后，通过矩阵运算去除自相关，计算特征值并在标准化后求取熵值，得到多通道脑肌间全局同步指数。该方法从构建系统间相关矩阵出发，克服了系统差异性，保留了系统间的信息传递，实现了从整体上分析区域内的脑肌电同步关系，在分析多通道脑肌间同步关系或其他类型多维信号关联关系时具有良好应用前景。