国家重点实验室开放基金(MSV-MS-2010-08)
- 作品数：4 被引量：20H指数：3
- 相关作者：雷敏邹晓阳孟光张文明徐颖洁更多>>
- 相关机构：上海交通大学更多>>
- 发文基金：国家重点实验室开放基金国家自然科学基金高等学校学科创新引智计划更多>>
- 相关领域：电子电信医药卫生更多>>
- 基于多尺度最大李雅普诺夫指数的表面肌电信号模式识别被引量：7
- 2012年
- 为了提高动作表面肌电信号的识别率,提出一种将最大李雅普诺夫指数和多尺度分析结合的方法。从非线性和非平稳的角度出发,引入多尺度最大李雅普诺夫指数特征,并应用到人体前臂6类动作表面肌电信号的模式识别中。首先利用希尔伯特-黄变换,对原始信号进行经验模态分解,即多尺度分解;然后利用非线性时间序列分析方法,计算多尺度最大李雅普诺夫指数;最后将多尺度最大李雅普诺夫指数作为特征向量,输入支持向量机进行识别。平均识别率达到97.5%,比利用原始信号的最大李雅普诺夫指数进行识别时提高了3.9%。结果表明,利用多尺度最大李雅普诺夫指数对动作表面肌电信号进行模式识别效果良好。
- 邹晓阳雷敏
- 关键词：表面肌电信号希尔伯特-黄变换支持向量机模式识别
- 基于虚拟开车环境的自闭症儿童脑电样本熵被引量：3
- 2016年
- 自闭症谱系障碍是一种涉及感觉、情感、记忆、语言、智力、动作等认知功能和执行功能障碍的精神疾病.本文从神经工效学角度出发,用虚拟开车环境作为复杂多任务激励源将大脑系统与人体动作控制等有机地结合起来,通过对脑电信号的滑动平均样本熵分析来探索自闭症儿童在虚拟开车环境中的脑活动特征.研究发现不论是休息状态还是开车状态,自闭症患者的滑动平均样本熵总体上低于健康者,尤其在前额叶、颞叶、顶叶和枕叶功能区,表明自闭症儿童的行为适应性较低.不过,自闭症患者的开车状态与健康受试者的休息状态比较接近,表明虚拟开车环境或许有助于自闭症患者的干预治疗.此外,自闭症患者在颞叶区呈现显著性右半球优势性.本研究为进一步深入开展自闭症疾病的机理研究及其诊断、评估和干预等研究提供一种新的研究思路.
- 雷敏孟光张文明Nilanjan Sarkar
- 关键词：自闭症脑电信号
- 基于多尺度模糊熵的动作表面肌电信号模式识别被引量：10
- 2012年
- 动作表面肌电(SEMG)信号是一种从皮肤表面采集的复杂电信号,它的模式识别在人体假肢和人—计算机交互系统等实际应用中非常重要。为了提高识别率,提出一种将模糊熵(FuzzyEn)和多尺度分析相结合的方法。该方法从动作SEMG信号非线性和非平稳特性的角度出发,引入了多尺度模糊熵(MSFuzzyEn)特征,并应用到人体前臂六类动作SEMG信号的模式识别中。首先利用小波分解对原始信号进行多尺度分解。然后计算MSFuzzyEn并将其作为特征向量输入支持向量机(SVM)进行识别,平均识别率达到97%,比利用原始信号的FuzzyEn进行识别时提高3%。结果表明,利用MSFuzzyEn对动作SEMG信号进行模式识别效果良好。
- 邹晓阳雷敏
- 关键词：表面肌电信号模糊熵小波分解支持向量机模式识别
- 多尺度表面肌电信号的广义判别分析
- 2012年
- 提出一种融合小波特征和广义判别分析的特征解析方法,并对动作表面肌电信号的多尺度特征进行有效降维描述。首先,通过对表面肌电信号进行小波分解,提取各尺度上小波系数绝对值均值作为原始特征向量,然后用广义判别分析方法进行降维,得到低维的新特征向量,用贝叶斯分类器进行降维有效性检验。结果显示,对选用的三种小波,通过选取恰当的小波分解层数,核参数以及新特征向量的维数,对三名受试者前臂6种动作模式(内翻,外翻,握拳,展拳,上切和下切)的正确识别率可以达到97%以上。研究表明,该方法能很好地获取表面肌电信号的多尺度主要成分及其特性。
- 徐颖洁雷敏
- 关键词：信号分析小波特征贝叶斯分类器模式识别
