申请/专利权人：飞矩科技(上海)有限公司

申请日：2023-07-14

公开（公告）日：2023-09-29

公开（公告）号：CN116807497A

主分类号：A61B5/389

分类号：A61B5/389;A61B5/11;A61B5/00;G06V10/80;G06V10/764;G06V10/82;G06N3/0464;G06N3/08;G06F18/213;G06F18/25

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.24#实质审查的生效;2023.09.29#公开

摘要：本发明涉及一种基于IMU惯性测量单元与sEMG表面肌电信号特征图像融合的肌电模式识别方法，其步骤包括：1、IMU与sEMG原始数据集的准备，包括数据采集、数据预处理、活动段检测；2、IMU与sEMG特征集的提取，包括特征提取、特征对齐；3、特征图像的构建与融合；4、基于卷积神经网络进行动作分类决策。本发明充分捕捉IMU与sEMG的特征信息，通过特征融合策略保留其结构信息和细节信息，并基于卷积神经网络实现动作模式的分类，提高了肌电模式识别的准确性。

主权项：1.一种基于IMU与sEMG特征图像融合的肌电模式识别方法，其特征在于，包括以下步骤：步骤一：惯性测量单元与表面肌电信号原始数据集的准备，包括数据采集、数据预处理、活动段检测；步骤二：IMU与sEMG特征集的提取，包括特征提取、特征对齐；步骤三：特征图像的构建与融合；步骤四：基于卷积神经网络进行动作分类决策。

全文数据：

权利要求：

百度查询： 飞矩科技(上海)有限公司 一种基于IMU与sEMG特征图像融合的肌电模式识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD