罗志增
- 作品数：394 被引量：1,498H指数：20
- 供职机构：杭州电子科技大学更多>>
- 发文基金：国家自然科学基金浙江省自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术医药卫生电子电信机械工程更多>>
- 基于肌电模型和无迹卡尔曼滤波的关节运动估计方法
- 本发明涉及到一种基于肌电模型和无迹卡尔曼滤波的关节运动估计方法，首先采集膝关节在连续运动状态下股二头肌、股四头肌、股外侧肌、股内侧肌、半腱肌、股薄肌的肌电信号和实时角度，对其进行带通滤波处理，并提取小波系数和均方根特征，...
- 席旭刚杨晨石鹏章燕袁长敏范影乐张启忠罗志增
- 文献传递
- 基于肌电信号信号轮廓DTW的手部动作识别方法
- 本文针对手部做上翻、下翻、握拳、展拳时各自产生的表面肌电信号能量、形状不同的特点,提出了一种新的肌电信号识别方法。通过提取肌电信号的轮廓特征并运用动态时间规整算法（DTW）得到DTW规整距离作为特征值,最后用最小距离分类...
- 吴浩浩罗志增
- 关键词：表面肌电信号DTW最小距离分类器
- 文献传递
- 一种经颅直流电刺激和功能性电刺激的运动功能康复方法
- 本发明提出了一种采用经颅直流电刺激和功能性电刺激的运动功能闭环康复方法。首先对大脑皮层区域进行tDCS刺激，改善皮层活性并且促进神经重塑，提高MI‑BCI的准确性。在此基础上采集多通道运动想象的脑电信号，构建通道重要性测...
- 陆晟罗志增孟明佘青山孙曜席旭刚
- 基于总体平均经验模式分解的二代小波肌电信号消噪方法
- 本发明涉及一种基于总体平均经验模式分解的二代小波肌电信号消噪方法。本发明采用基于总体平均经验模式分解的二代小波消噪方法，获取人体的肌电信号样本数据，对原始的肌电信号加入白噪声后进行经验模态分解，然后对高频的内蕴模式函数分...
- 席旭刚罗志增张启忠高发荣佘青山
- 多传感器手爪的研究被引量：1
- 1996年
- 本文介绍了一种多传感器机械手爪，手爪上安装了接近觉、接触觉、滑觉、力觉、热觉与温觉等５种传感器．该手爪与一简易视觉结合。
- 罗志增何发昌
- 关键词：机器人多传感器手爪智能化
- 一种基于HHT和AR模型的手部运动模式识别方法被引量：5
- 2008年
- 为了实现基于表面肌电信号(SEMG)的手部动作运动模式识别,提出一种 Hilbert-Huang 变换(HHT)和自回归(AR)模型相结合的特征提取算法.该方法依据 HHT 后各层固有模态函数(IMF)的瞬时频率定义每层 IMF的频率有效度,由频率有效度选取6层平稳的 IMF,同时考察具有最大频率有效度的 IMF,并以该 IMF 的瞬时幅值确定动作信号的起止点.对6层 IMF 中的动作信号建立 AR 模型提取手部运动模式的特征向量.提取主成分后,将降维的动作特征向量输入 SVM 分类器,实现基于 SEMG 信号的手部多运动模式的识别.对伸腕、屈腕、握拳、展拳4种手部动作的识别实验表明,该方法的识别正确率可达91%.
- 罗志增马文杰孟明
- 关键词：模式识别
- 肌电假手用导热性传感器
- 本发明涉及一种肌电假手用导热性传感器。现有的肌电假手无法感知物体的导热性。本发明包括传感器本体和信号处理电路。传感器本体由下到上依次为橡胶基底、柔性加热层、橡胶包封表皮。温度敏感电阻嵌入在橡胶包封表皮内。柔性加热层的上、...
- 罗志增周炜张卫王占玉
- 文献传递
- 基于Kinect深度图像信息的人体运动检测被引量：39
- 2015年
- 人体运动检测是计算机视觉人体运动分析的关键环节。根据Kinect深度图像的特点,引入并改进Vi Be算法处理深度图像进行人体运动检测。考虑到深度图像中地面像素值连续性造成的地面附近运动检测困难,提出了一种自适应的图像分层处理和不同邻域模式的建模方式,增加了去除"鬼影"现象的参考模型。像素分类时增加了前景点检验步骤,通过当前像素与参考模型的比较消除"鬼影"。在模型更新方面增加了基于前景点的背景模型更新策略,解决了"黑影"现象问题。采用阈值法对分类结果进行了误检点消噪处理。实验结果表明所提出的改进Vi Be算法能够比较准确地检测出人体运动。
- 孟明杨方波佘青山孙曜罗志增
- 关键词：深度图像
- 一种膝关节角度测量及其校准方法被引量：4
- 2009年
- 针对膝关节角度测量问题,给出了一种基于微型加速度传感器测量角度原理的膝关节角度测量方法,该方法结合固定于膝关节同一位置但不同轴向角度的两个微型加速度传感器的测量数据,联合推算出膝关节角度。根据两个传感器输出加速度向量模相等的原理,进一步提出了测量角度的交叉校准方法。实验结果表明,采用该方法建立的膝关节角度测量系统,测量成本较低,测量精度达到±1.5°。
- 熊静罗志增
- 基于脑电多特征融合的癫痫发作预测方法
- 2023年
- 癫痫的发作会给患者的身体和精神造成极大的创伤,对癫痫发作的准确预测可以及时协助医生对患者采取治疗措施.为了准确预测癫痫发作,提出脑电特征和多通道脑电交互特征相融合的癫痫发作预测方法.首先,提出多尺度符号化排列传递熵对多通道脑电信号交互信息进行分析,生成同步矩阵,并通过显著性分析筛选与癫痫发作相关的重要脑电通道,减少不必要特征对分类的干扰;然后,对筛选通道后的脑电信号生成表征脑电信号特征的功率谱密度能量图(PSDED)和描述脑通道交互特征的同步矩阵图(SMD),将两个特征图融合,采用深度卷积神经网络(DCNN)对癫痫患者脑电信号进行分类识别,提高学习能力和泛化能力,分类准确率可达到96.825%;最后,在分类的基础上采用预测评价系统对癫痫发作预测性能进行评估,癫痫发作预测范围(SPH)为10 min和发作发生期(SOP)为10 min时,预测敏感性达到96.66%,误检率可达到0.03/h;当SPH为30min,SOP为10 min时,预测敏感性达到93.17%,误检率可达到0.05/h.与现有研究结果相比较,所提出方法具有较好的预测敏感度和较低的误检率.
- 高云园高博罗志增罗志增孟明
- 关键词：脑电信号
