CN106388819A - 一种基于表面肌电信号的人体上肢肌肉状态监测***及判断方法 - Google Patents
一种基于表面肌电信号的人体上肢肌肉状态监测***及判断方法 Download PDFInfo
- Publication number
- CN106388819A CN106388819A CN201610960168.6A CN201610960168A CN106388819A CN 106388819 A CN106388819 A CN 106388819A CN 201610960168 A CN201610960168 A CN 201610960168A CN 106388819 A CN106388819 A CN 106388819A
- Authority
- CN
- China
- Prior art keywords
- signal
- unit
- surface electromyogram
- upper limb
- module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于表面肌电信号的人体上肢肌肉状态监测***及判断方法,该监测***包括信号采集模块、信号处理模块及模式分类模块;信号采集模块采集人体上肢表面肌电信号,并转换为数字信号;信号处理模块对数字信号进行预处理和特征提取;模式分类模块对输入的特征向量进行辨识,并将这些特征向量所属的类型输出,判断上肢肌肉状态;该判断方法通过信号采集模块采集人体表面肌电信号;通过信号处理模块对人体表面肌电信号进行处理;通过模式分类模块对人体表面肌电信号进行模式识别。采用上述方案,效提取有效肌电信号,并对其进行精确的分析处理,节约成本,大幅减少计算量,提高***实时性,具有很好的市场应用价值。
Description
技术领域
本发明涉及医学检测领域,尤其涉及的是,一种基于表面肌电信号的人体上肢肌肉状态监测***及判断方法。
背景技术
表面肌电信号(sEMG)是测量到的肌肉的皮肤表面的电势。通过放大、滤波和采样的处理,可将sEMG调整为合适的数据段,然后运用数据处理技术对其进行特征提取。利用分类器对提取到的特征进行模式识别,可判断人体肌肉的状态,包括肌肉在进行何种动作,以及肌肉是否处于疲劳状态。判断肌肉在进行何种动作,可以通过sEMG进行外骨骼设备的控制。也可以利用虚拟现实技术,控制虚拟场景中的设备。判断肌肉是否处于疲劳状态,对于判断人体工作状态,尤其是对于运动员或者高空作业人员有很大的意义。
经过对现有技术的检索发现,中国发明专利公布号:CN105361880A,公布日期:2016年3月2日,名称:肌肉运动事件的识别***及其方法。该发明公开了一种肌肉运动事件的识别***及方法。***由肌电采集模块和脑电采集模块组成的信号采集模块、信号处理模块和信号识别模块共同组成。采用肌电信号与脑电信号综合分析的方法,包括以下步骤:采集肌肉活动模拟信号以及脑部活动模拟信号;对采集的信号进行处理并进行事件探测;对探测到的事件进行模拟识别并标记分类。该发明能够在神经生理检测与诊断领域高效标记出有效肌电信号,并对所标记的肌电和脑电信号事件进行精确的分析处理。但是,该发明同时采集肌电信号与脑电信号,不仅增加了成本,并且增加了计算量,影响***在线识别实时性。因此,现有技术存在缺陷,需要改进。
发明内容
本发明所要解决的技术问题是提供一种新型的基于表面肌电信号的人体上肢肌肉状态监测***及判断方法。
为实现上述目的,本发明所采用了下述的技术方案:一种基于表面肌电信号的人体上肢肌肉状态监测***,包括信号采集模块、信号处理模块及模式分类模块;所述信号采集模块用于采集人体上肢表面肌电信号,并将模拟信号转换为数字信号,传送给信号处理模块;所述信号处理模块用于对信号采集模块送来的数字信号进行预处理和特征提取;所述模式分类模块用于对输入的特征向量进行辨识,并将这些特征向量所属的类型输出,判断上肢肌肉状态;
所述信号采集模块包括稳压电源单元、传感器单元、模拟信号放大单元、带通滤波单元、A/D转换单元及数据传送单元,所述稳压电源单元分别与信号采集模块的各个单元连接,所述传感器单元、模拟信号放大单元、带通滤波单元、A/D转换单元及数据传送单元依次连接;
所述稳压电源单元用于将220伏交流电压转换为高精度直流5伏电压,为所述信号采集模块提供稳定电压;
所述传感器单元用于采集肌肉活动所产生的生理电信号;
所述模拟信号放大单元用于将采集到的表面肌电信号模拟量进行放大处理,避免肌电信号幅值过于微弱的影响;
所述带通滤波单元用于将放大后的表面肌电信号模拟量进行滤波处理,选取通过20~450Hz的信号,消除噪声干扰;
所述A/D转换单元,用于将采集到的表面肌电信号模拟量转换为数字量;
所述数据传送单元,用于将处理后的表面肌电信号数字量快速送给信号处理模块进行下一步的处理。
优选的,所述的基于表面肌电信号的人体上肢肌肉状态监测***中,所述信号处理模块包括信号预处理单元、采样单元、特征提取单元及数据存储单元;所述信号预处理单元用于将信号采集模块送来的表面肌电信号进行放大、滤波处理;所述采样单元用于将数据进行筛选,选取合适的数据段;所述特征提取单元,用于提取采样数据段的均值与均方根值;所述数据存储单元,用于将上述采样单元处理后的数据进行存储,用于离线分析用。
优选的,所述的基于表面肌电信号的人体上肢肌肉状态监测***中,所述模式分类模块包括模式分类器单元和人工神经网络训练单元,所述模式分类器单元用于将表面肌电信号特征进行组合判断,分辨出使用者的上肢正在进行何种动作;所述人工神经网络训练单元用于将表面肌电信号特征与对应的上肢动作模式组合构成多个训练样本,并完成对模式分类器的训练。
优选的,所述的基于表面肌电信号的人体上肢肌肉状态监测***中,所述模式分类模块还包括输出单元,所述输出单元用于输出模式分类器单元识别出的肌肉状态。
基于表面肌电信号的人体上肢肌肉状态的判断方法,包括以下步骤:
S1,通过信号采集模块采集人体表面肌电信号;
S2,通过信号处理模块对人体表面肌电信号进行处理;
S3,通过模式分类模块对人体表面肌电信号进行模式识别。
优选的,所述的基于表面肌电信号的人体上肢肌肉状态的判断方法中,在步骤S1中,所述信号采集模块的传感器单元由多个Ag/AgCl表面电极组成,使用前应先用医用酒精棉将人体皮肤粘贴处擦拭干净,然后将电极贴在皮肤上;采集到的表面肌电信号经模拟信号放大单元进行放大处理,避免肌电信号幅值过于微弱的影响;放大后的表面肌电信号模拟量经带通滤波单元,进行滤波处理,选取通过20~450Hz的信号。滤波后的信号经A/D转换单元,将模拟量转换为数字量;表面肌电信号数字量经数据传送单元,通过USB传输到信号处理模块。
优选的,所述的基于表面肌电信号的人体上肢肌肉状态的判断方法中,在步骤S3中包括:
步骤S31、离线将表面肌电信号特征与对应的上肢动作模式组合构成多个训练样本,并完成对模式分类器的训练;
步骤S32、在线将特征提取单元输出的特征值输入到模式分类器中,进行组合判断,分辨出使用者的上肢正在进行何种动作。
步骤S33、在电脑显示屏上输出模式分类器判断结果。
相对于现有技术的有益效果是,采用上述方案,本发明在生理信号检测与识别领域高效提取有效肌电信号,并对其进行精确的分析处理,节约成本,大幅减少计算量,提高***实时性,具有很好的市场应用价值。
附图说明
图1为本发明的一个实施例的框架示意图;
图2为本发明的图1实施例的流程图。
具体实施方式
为了便于理解本发明,下面结合附图和具体实施例,对本发明进行更详细的说明。附图中给出了本发明的较佳的实施例。但是,本发明可以以许多不同的形式来实现,并不限于本说明书所描述的实施例。相反地,提供这些实施例的目的是使对本发明的公开内容的理解更加透彻全面。
需要说明的是,当元件被称为“固定于”另一个元件,它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件,它可以是直接连接到另一个元件或者可能同时存在居中元件。本说明书所使用的术语“连接”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义,本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本说明书中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的,不是用于限制本发明。
如图1、图2所示,本发明的一个实施例是,该基于表面肌电信号的人体上肢肌肉状态监测***,包括信号采集模块1、信号处理模块2及模式分类模块3;所述信号采集模块1用于采集人体上肢表面肌电信号,并将模拟信号转换为数字信号,传送给信号处理模块;所述信号处理模块2用于对信号采集模块送来的数字信号进行预处理和特征提取;所述模式分类模块3用于对输入的特征向量进行辨识,并将这些特征向量所属的类型输出,判断上肢肌肉状态;
所述信号采集模块1包括稳压电源单元、传感器单元11、模拟信号放大单元12、带通滤波单元13、A/D转换单元14及数据传送单元15,所述稳压电源单元分别与信号采集模块的各个单元连接,所述传感器单元11、模拟信号放大单元12、带通滤波单元13、A/D转换单元14及数据传送单元15依次连接;所述稳压电源单元用于将220伏交流电压转换为高精度直流5伏电压,为所述信号采集模块提供稳定电压;所述传感器单元用于采集肌肉活动所产生的生理电信号;所述模拟信号放大单元用于将采集到的表面肌电信号模拟量进行放大处理,避免肌电信号幅值过于微弱的影响;所述带通滤波单元用于将放大后的表面肌电信号模拟量进行滤波处理,选取通过20~450Hz的信号,消除噪声干扰;所述A/D转换单元,用于将采集到的表面肌电信号模拟量转换为数字量;所述数据传送单元,用于将处理后的表面肌电信号数字量快速送给信号处理模块进行下一步的处理。
优选的,所述信号处理模块2包括信号预处理单元21、采样单元22、特征提取单元23及数据存储单元24;所述信号预处理单元用于将信号采集模块送来的表面肌电信号进行放大、滤波处理;所述采样单元用于将数据进行筛选,选取合适的数据段;所述特征提取单元,用于提取采样数据段的均值与均方根值;所述数据存储单元,用于将上述采样单元处理后的数据进行存储,用于离线分析用。
优选的,所述模式分类模块3包括模式分类器单元32和人工神经网络训练单元31,所述模式分类器单元用于将表面肌电信号特征进行组合判断,分辨出使用者的上肢正在进行何种动作;所述人工神经网络训练单元用于将表面肌电信号特征与对应的上肢动作模式组合构成多个训练样本,并完成对模式分类器的训练。优选的,所述的基于表面肌电信号的人体上肢肌肉状态监测***中,所述模式分类模块还包括输出单元33,所述输出单元用于输出模式分类器单元识别出的肌肉状态。
本发明实现了降低***成本的目的,并且减少了运算数据,降低了运算量,运算速率较现有技术提高40%以上,***功耗较现有技术降低30%。使得相关肌肉状态的识别效率大幅提高,提高了***的实时性。
基于表面肌电信号的人体上肢肌肉状态的判断方法,包括以下步骤:
S1,通过信号采集模块采集人体表面肌电信号;
S2,通过信号处理模块对人体表面肌电信号进行处理;
S3,通过模式分类模块对人体表面肌电信号进行模式识别。
优选的,在步骤S1中,所述信号采集模块的传感器单元由多个Ag/AgCl表面电极组成,使用前应先用医用酒精棉将人体皮肤粘贴处擦拭干净,然后将电极贴在皮肤上;采集到的表面肌电信号经模拟信号放大单元进行放大处理,避免肌电信号幅值过于微弱的影响;放大后的表面肌电信号模拟量经带通滤波单元,进行滤波处理,选取通过20~450Hz的信号。滤波后的信号经A/D转换单元,将模拟量转换为数字量;表面肌电信号数字量经数据传送单元,通过USB传输到信号处理模块。
优选的,在步骤S3中包括:
步骤S31、离线将表面肌电信号特征与对应的上肢动作模式组合构成多个训练样本,并完成对模式分类器的训练;
步骤S32、在线将特征提取单元输出的特征值输入到模式分类器中,进行组合判断,分辨出使用者的上肢正在进行何种动作。
步骤S33、在电脑显示屏上输出模式分类器判断结果。
该基于表面肌电信号的人体上肢肌肉状态的判断方法具体包括以下步骤:
步骤1、采集人体表面肌电信号;本实施例通过信号采集模块实现,该信号采集模块由稳压电源单元,传感器单元,模拟信号放大单元,带通滤波单元,A/D转换单元,数据传送单元组成;
所述的稳压电源单元,用于将220伏交流电压转换为高精度直流5伏电压,为所述信号采集模块提供稳定电压;
所述的传感器单元由多个Ag/AgCl表面电极组成,使用前应先用医用酒精棉将人体皮肤粘贴处擦拭干净,然后将电极贴在皮肤上;
采集到的表面肌电信号经模拟信号放大单元进行放大处理,避免肌电信号幅值过于微弱的影响;
放大后的表面肌电信号模拟量经带通滤波单元,进行滤波处理,选取通过20~450Hz的信号;
滤波后的信号经A/D转换单元,将模拟量转换为数字量;
表面肌电信号数字量经数据传送单元,通过USB传输到计算机。
步骤2、对人体表面肌电信号进行处理;本实施例通过信号处理模块实现,该信号处理模块由信号预处理单元,采样单元,特征提取单元,数据存储单元组成;
经过数据传送单元传输给计算机的表面肌电信号,经过信号预处理单元将信号进行放大、滤波处理;
预处理后的信号经过采样单元,将数据进行筛选,选取合适的数据段;
采样后的信号一方面经过特征提取单元,提取采样数据段的均值与均方根值;同时经过数据存储单元,将采样后的数据进行存储,用于离线分析用。
步骤3、对人体表面肌电信号进行模式识别;本实施例通过模式分类模块实现,该模式分类模块由模式分类器单元,人工神经网络训练单元组成。
所述的模式识别,具体为:步骤1、离线将表面肌电信号特征与对应的上肢动作模式组合构成多个训练样本,并完成对模式分类器的训练;步骤2、在线将特征提取单元输出的特征值输入到模式分类器中,进行组合判断,分辨出使用者的上肢正在进行何种动作;步骤3、在电脑显示屏上输出模式分类器判断结果。
需要说明的是,上述各技术特征继续相互组合,形成未在上面列举的各种实施例,均视为本发明说明书记载的范围;并且,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (7)
1.一种基于表面肌电信号的人体上肢肌肉状态监测***,其特征在于,包括信号采集模块、信号处理模块及模式分类模块;所述信号采集模块用于采集人体上肢表面肌电信号,并将模拟信号转换为数字信号,传送给信号处理模块;所述信号处理模块用于对信号采集模块送来的数字信号进行预处理和特征提取;所述模式分类模块用于对输入的特征向量进行辨识,并将这些特征向量所属的类型输出,判断上肢肌肉状态;
所述信号采集模块包括稳压电源单元、传感器单元、模拟信号放大单元、带通滤波单元、A/D转换单元及数据传送单元,所述稳压电源单元分别与信号采集模块的各个单元连接,所述传感器单元、模拟信号放大单元、带通滤波单元、A/D转换单元及数据传送单元依次连接;
所述稳压电源单元用于将220伏交流电压转换为高精度直流5伏电压,为所述信号采集模块提供稳定电压;
所述传感器单元用于采集肌肉活动所产生的生理电信号;
所述模拟信号放大单元用于将采集到的表面肌电信号模拟量进行放大处理,避免肌电信号幅值过于微弱的影响;
所述带通滤波单元用于将放大后的表面肌电信号模拟量进行滤波处理,选取通过20~450Hz的信号,消除噪声干扰;
所述A/D转换单元,用于将采集到的表面肌电信号模拟量转换为数字量;
所述数据传送单元,用于将处理后的表面肌电信号数字量快速送给信号处理模块进行下一步的处理。
2.根据权利要求1所述的基于表面肌电信号的人体上肢肌肉状态监测***,其特征在于,所述信号处理模块包括信号预处理单元、采样单元、特征提取单元及数据存储单元;所述信号预处理单元用于将信号采集模块送来的表面肌电信号进行放大、滤波处理;所述采样单元用于将数据进行筛选,选取合适的数据段;所述特征提取单元,用于提取采样数据段的均值与均方根值;所述数据存储单元,用于将上述采样单元处理后的数据进行存储,用于离线分析用。
3.根据权利要求2所述的基于表面肌电信号的人体上肢肌肉状态监测***,其特征在于,所述模式分类模块包括模式分类器单元和人工神经网络训练单元,所述模式分类器单元用于将表面肌电信号特征进行组合判断,分辨出使用者的上肢正在进行何种动作;所述人工神经网络训练单元用于将表面肌电信号特征与对应的上肢动作模式组合构成多个训练样本,并完成对模式分类器的训练。
4.根据权利要求3所述的基于表面肌电信号的人体上肢肌肉状态监测***,其特征在于,所述模式分类模块还包括输出单元,所述输出单元用于输出模式分类器单元识别出的肌肉状态。
5.基于表面肌电信号的人体上肢肌肉状态的判断方法,其特征在于,包括以下步骤:
S1,通过信号采集模块采集人体表面肌电信号;
S2,通过信号处理模块对人体表面肌电信号进行处理;
S3,通过模式分类模块对人体表面肌电信号进行模式识别。
6.根据权利要求5所述的基于表面肌电信号的人体上肢肌肉状态的判断方法,其特征在于,在步骤S1中,所述信号采集模块的传感器单元由多个Ag/AgCl表面电极组成,使用前应先用医用酒精棉将人体皮肤粘贴处擦拭干净,然后将电极贴在皮肤上;采集到的表面肌电信号经模拟信号放大单元进行放大处理,避免肌电信号幅值过于微弱的影响;放大后的表面肌电信号模拟量经带通滤波单元,进行滤波处理,选取通过20~450Hz的信号,滤波后的信号经A/D转换单元,将模拟量转换为数字量;表面肌电信号数字量经数据传送单元,通过USB传输到信号处理模块。
7.根据权利要求6所述的基于表面肌电信号的人体上肢肌肉状态的判断方法,其特征在于,在步骤S3中包括:
步骤S31、离线将表面肌电信号特征与对应的上肢动作模式组合构成多个训练样本,并完成对模式分类器的训练;
步骤S32、在线将特征提取单元输出的特征值输入到模式分类器中,进行组合判断,分辨出使用者的上肢正在进行何种动作;
步骤S33、在电脑显示屏上输出模式分类器判断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610960168.6A CN106388819A (zh) | 2016-10-28 | 2016-10-28 | 一种基于表面肌电信号的人体上肢肌肉状态监测***及判断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610960168.6A CN106388819A (zh) | 2016-10-28 | 2016-10-28 | 一种基于表面肌电信号的人体上肢肌肉状态监测***及判断方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106388819A true CN106388819A (zh) | 2017-02-15 |
Family
ID=58014979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610960168.6A Pending CN106388819A (zh) | 2016-10-28 | 2016-10-28 | 一种基于表面肌电信号的人体上肢肌肉状态监测***及判断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106388819A (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861628A (zh) * | 2017-12-19 | 2018-03-30 | 许昌学院 | 一种基于人体表面肌电信号的手部姿态识别*** |
CN108836012A (zh) * | 2018-08-28 | 2018-11-20 | 浙江想能云软件股份有限公司 | 一种具有人体肌肉状态检测的软硬可调智能床垫及其控制方法 |
CN109965847A (zh) * | 2019-04-08 | 2019-07-05 | 清华大学 | 服务器和信号分析*** |
CN112101298A (zh) * | 2020-10-15 | 2020-12-18 | 福州大学 | 基于肌肉电阻抗信号的手势识别***及方法 |
CN112115813A (zh) * | 2020-08-31 | 2020-12-22 | 深圳市联合视觉创新科技有限公司 | 人体肌电信号的标注方法、装置及计算设备 |
CN112263254A (zh) * | 2020-06-11 | 2021-01-26 | 复旦大学附属华山医院 | 一种基于表面肌电信号传感器的人体能量消耗预测***及其预测方法 |
CN112569565A (zh) * | 2020-12-10 | 2021-03-30 | 浙江大学德清先进技术与产业研究院 | 一种颈部功能锻炼识别方法及*** |
CN113157095A (zh) * | 2021-04-23 | 2021-07-23 | 上海交通大学 | 基于表面肌电信号的嵌入式实时自适应控制方法和*** |
CN114639460A (zh) * | 2022-05-16 | 2022-06-17 | 天津医科大学眼科医院 | 睫状肌麻痹需求预测及麻痹后屈光度屈光状态预测方法 |
CN114974486A (zh) * | 2022-04-18 | 2022-08-30 | 北京舱宇科技有限公司 | 一种海量生物信号反馈数据的处理方法及***装置 |
CN116439693A (zh) * | 2023-05-18 | 2023-07-18 | 四川大学华西医院 | 一种基于fmg的步态检测方法及*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及*** |
CN105147284A (zh) * | 2015-05-19 | 2015-12-16 | 南京大学 | 一种改进型人体平衡功能检测方法与训练*** |
-
2016
- 2016-10-28 CN CN201610960168.6A patent/CN106388819A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104107134A (zh) * | 2013-12-10 | 2014-10-22 | 中山大学 | 基于肌电反馈的上肢训练方法及*** |
CN105147284A (zh) * | 2015-05-19 | 2015-12-16 | 南京大学 | 一种改进型人体平衡功能检测方法与训练*** |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107861628A (zh) * | 2017-12-19 | 2018-03-30 | 许昌学院 | 一种基于人体表面肌电信号的手部姿态识别*** |
CN108836012A (zh) * | 2018-08-28 | 2018-11-20 | 浙江想能云软件股份有限公司 | 一种具有人体肌肉状态检测的软硬可调智能床垫及其控制方法 |
CN109965847B (zh) * | 2019-04-08 | 2023-11-07 | 清华大学 | 服务器和信号分析*** |
CN109965847A (zh) * | 2019-04-08 | 2019-07-05 | 清华大学 | 服务器和信号分析*** |
CN112263254A (zh) * | 2020-06-11 | 2021-01-26 | 复旦大学附属华山医院 | 一种基于表面肌电信号传感器的人体能量消耗预测***及其预测方法 |
CN112115813A (zh) * | 2020-08-31 | 2020-12-22 | 深圳市联合视觉创新科技有限公司 | 人体肌电信号的标注方法、装置及计算设备 |
CN112101298A (zh) * | 2020-10-15 | 2020-12-18 | 福州大学 | 基于肌肉电阻抗信号的手势识别***及方法 |
CN112569565A (zh) * | 2020-12-10 | 2021-03-30 | 浙江大学德清先进技术与产业研究院 | 一种颈部功能锻炼识别方法及*** |
CN113157095A (zh) * | 2021-04-23 | 2021-07-23 | 上海交通大学 | 基于表面肌电信号的嵌入式实时自适应控制方法和*** |
CN114974486A (zh) * | 2022-04-18 | 2022-08-30 | 北京舱宇科技有限公司 | 一种海量生物信号反馈数据的处理方法及***装置 |
CN114639460A (zh) * | 2022-05-16 | 2022-06-17 | 天津医科大学眼科医院 | 睫状肌麻痹需求预测及麻痹后屈光度屈光状态预测方法 |
CN116439693A (zh) * | 2023-05-18 | 2023-07-18 | 四川大学华西医院 | 一种基于fmg的步态检测方法及*** |
CN116439693B (zh) * | 2023-05-18 | 2024-05-28 | 四川大学华西医院 | 一种基于fmg的步态检测方法及*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106388819A (zh) | 一种基于表面肌电信号的人体上肢肌肉状态监测***及判断方法 | |
CN104107134B (zh) | 基于肌电反馈的上肢训练方法及*** | |
CN105361880B (zh) | 肌肉运动事件的识别***及其方法 | |
CN101201696B (zh) | 基于p300脑电电位的中文输入bci*** | |
CN111616682B (zh) | 基于便携式脑电采集设备的癫痫发作预警***及应用 | |
CN102542283B (zh) | 脑机接口的最优电极组自动选取方法 | |
CN112353407A (zh) | 一种基于神经功能康复主动训练的评估***及方法 | |
CN111544015B (zh) | 基于认知力的操控工效分析方法、设备及*** | |
CN103955270B (zh) | 一种基于p300的脑机接口***的字符高速输入方法 | |
CN108983973A (zh) | 一种基于手势识别的仿人灵巧肌电假手控制方法 | |
CN111598451B (zh) | 基于任务执行能力的操控工效分析方法、设备及*** | |
CN102138860A (zh) | 一种智能化脑损伤患者手功能康复训练设备 | |
CN111553617B (zh) | 基于虚拟场景中认知力的操控工效分析方法、设备及*** | |
CN111553618B (zh) | 操控工效分析方法、设备及*** | |
CN106420124A (zh) | 一种肌电控制虚拟机器人假手仿真***的方法 | |
CN111598453A (zh) | 基于虚拟场景中执行力的操控工效分析方法、设备及*** | |
CN112884063B (zh) | 基于多元时空卷积神经网络的p300信号检测识别方法 | |
CN112674782B (zh) | 癫痫患者发作间期痫样电活动检测装置和方法 | |
CN115568866A (zh) | 一种神经损伤的评价***及其方法 | |
Wang et al. | Classification of EEG signal using convolutional neural networks | |
CN110472595B (zh) | 脑电信号的识别模型构建方法、装置以及识别方法、装置 | |
Veer | Experimental study and characterization of SEMG signals for upper limbs | |
CN106562787A (zh) | 一种基于表面肌电信号的高空拓展训练监控*** | |
CA1323662C (en) | Physiologic waveform analysis | |
CN113988135A (zh) | 一种基于双分支多流网络的肌电信号手势识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination |