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。