CN109947235A - 自主行走意图识别方法及装置 - Google Patents
自主行走意图识别方法及装置 Download PDFInfo
- Publication number
- CN109947235A CN109947235A CN201711394332.2A CN201711394332A CN109947235A CN 109947235 A CN109947235 A CN 109947235A CN 201711394332 A CN201711394332 A CN 201711394332A CN 109947235 A CN109947235 A CN 109947235A
- Authority
- CN
- China
- Prior art keywords
- user
- autonomous
- intended
- eeg signals
- walking
- 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
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本发明适用于脑‑机交互技术领域,提供了自主行走意图识别方法及装置,包括:建立虚拟行走意图训练场景;采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号;根据所述脑电信号识别出所述用户的行走意图。通过本发明可提高对用户行走意图的识别率。
Description
技术领域
本发明属于脑-机交互技术领域,尤其涉及自主行走意图识别方法及装置。
背景技术
近年来迅猛发展的脑-机交互技术,能够在人脑与机器系统之间建立直接的通讯和控制通道。现有脑-机交互的成熟应用绝大部分通过解码上肢运动意图实现,考虑到行走功能是运动能力的重要标志,也是保证人独立生活的必要条件,结合行走意图识别建立新型脑-机交互系统具有重要研究意义和应用价值。然而,行走意图解码理论和技术仍不成熟,相对于上肢运动意图脑电检测更困难。
故,有必要提出一种新的技术方案,以解决上述技术问题。
发明内容
有鉴于此,本发明提供了自主行走意图识别方法及装置,提高对用户行走意图的识别率。
本发明的第一方面提供了一种自主行走意图识别方法,包括:
建立虚拟行走意图训练场景;
采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号;
根据所述脑电信号识别出所述用户的行走意图。
本发明的第二方面提供了一种自主行走意图识别装置,包括:
场景建立模块,用于建立虚拟行走意图训练场景;
信号采集模块,用于采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号;
意图识别模块,用于根据所述脑电信号识别出所述用户的行走意图。
本发明的第三方面提供了一种自主行走意图识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述第一方面所述自主行走意图识别方法的步骤。
本发明的第四方面提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面所述自主行走意图识别方法的步骤。
本发明方案与现有技术相比存在的有益效果是:本发明方案可以利用三维可视化技术建立高逼真的虚拟行走意图训练场景,从而便于用户根据该虚拟行走意图训练场景进行自主行走意图训练,并采集训练时的脑电信号,通过对该脑电信号进行解码识别出用户的行走意图。本发明方案通过建立高逼真的虚拟行走意图训练场景,提供了具有沉浸感的脑-机交互环境,增强了用户行走意图对应的脑电信号成分,从而提高了对用户行走意图的识别率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的自主行走意图识别方法的实现流程示意图;
图2是本发明实施例二提供的自主行走意图识别方法的实现流程示意图;
图3是本发明实施例二提供的四个受试者分别在虚拟行走意图训练场景下和文字提示场景下的识别结果对比图;
图4是本发明实施例三提供的自主行走意图识别装置的示意图;
图5是本发明实施例四提供的自主行走意图识别装置的示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
应理解,本实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
参见图1,是本发明实施例一提供的自主行走意图识别方法的实现流程示意图,如图所示该自主行走意图识别方法可以包括以下步骤:
步骤S101,建立虚拟行走意图训练场景。
在本发明实施例中,可以利用三维可视化技术建立高逼真的虚拟行走意图训练场景,在所述虚拟行走意图训练场景中虚拟人物可以进行不同运动(例如迈步行走),提供具有沉浸感的脑-机交互环境。
其中,所述虚拟行走意图训练场景具体可以是指虚拟下肢运动训练场景。
步骤S102,采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号。
在本发明实施例中,可以在自主行走意图识别装置中显示所建立的虚拟行走意图训练场景,以便于用户根据所述虚拟行走意图训练场景进行相应的想象(例如虚拟行走意图训练场景为虚拟人物迈步行走,用户可以在大脑中想象迈步行走),在用户想象的过程中需尽量避免用户进行真实的肢体运动。在用户根据所述虚拟行走意图训练场景进行自主行走意图训练(即用户根据训练场景的提示进行相应的想象,例如训练场景显示静止,提示用户保持放松状态,此时用户应保持放松状态)时,根据同步通讯机制,采集用户进行自主行走意图训练时的脑电信号。
步骤S103,根据所述脑电信号识别出所述用户的行走意图。
在本发明实施例中,可以通过对所述脑电信号进行解码识别出所述用户的行走意图,例如判断用户是否迈步行走。
本发明实施例通过建立高逼真的虚拟行走意图训练场景,提供了具有沉浸感的脑-机交互环境,增强了用户行走意图对应的脑信号成分,从而提高了对用户行走意图的识别率。
参见图2,是本发明实施例二提供的自主行走意图识别方法的实现流程示意图,如图所示该自主行走意图识别方法可以包括以下步骤:
步骤S201,建立虚拟行走意图训练场景。
在本发明实施例中,可以利用三维可视化技术建立高逼真的虚拟行走意图训练场景,在所述虚拟行走意图训练场景中虚拟人物可以进行不同运动(例如迈步行走),提供具有沉浸感的脑-机交互环境。其中,所述虚拟行走意图训练场景具体可以是指虚拟下肢运动训练场景。
在本发明实施例中,所述虚拟行走意图训练场景可以包括N个阶段,其中,所述N个阶段用于提示所述用户根据显示的阶段进行相应的想象。
可选的,所述虚拟行走意图训练场景可以包括五个阶段,分别为初始化阶段、静止阶段(也可以称为空闲状态阶段)、准备阶段、想象运动阶段、状态恢复阶段,并可以为每个阶段设置相应的持续时间。其中,在所述虚拟行走意图训练场景为初始化阶段时,可以提示用户(即受试者)开始实验,为用户预留一段时间调整状态,准备实验。在所述虚拟行走意图训练场景为静止阶段时,可以提示用户保持放松状态。在所述虚拟行走意图训练场景为准备阶段(例如准备阶段为虚拟人物的双脚着地场景)时,可以提示用户想象自己的双脚着地的动作。在所述虚拟行走意图训练场景为想象运动阶段(例如想象运动场景为虚拟人物的迈步行走场景)时,可以提示用户想象自己进行迈步行走。在所述虚拟行走意图训练场景为状态恢复阶段时,可以提示用户想象自己停止迈步行走。
步骤S202,采集用户根据所述虚拟行走意图训练场景中的N个阶段进行自主行走意图训练时,所述用户在指定阶段的脑电信号。
在本发明实施例中,所述N个阶段是在所述虚拟行走意图训练场景中进行依次显示,用户可以根据自己的需要自行设置每个阶段的持续时长(即显示时长),在此不做限定,例如静止阶段的持续时长为5秒,准备阶段的持续时长为2秒,想象运动阶段的持续时长为5秒,状态恢复阶段的持续时长为5秒,在静止阶段的持续时长达到5秒时,进入准备阶段,在准备阶段的持续时长达到2秒时,进入想象运动阶段,在想象运动阶段的持续时长为5秒时,进入状态恢复阶段,在状态恢复阶段的持续时长为5秒时,流程结束。
步骤S203,从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号。
在本发明实施例中,所述指定阶段可以是指从所述N个阶段中指定的阶段,具体可以是静止阶段和想象运动阶段,在此不做限定。
所述预设频段范围可以是指预先设置的频段范围,该预设频段范围的数量可以为一个或多个。可选的,所述预设频段范围具体可以是mu(即8~13Hz)频段和beta(即18~30Hz)频段。
可选的,所述从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号包括:
通过带通滤波器从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号。
具体的,可以通过5阶巴特沃斯带通滤波器从所述用户在空闲状态阶段和想象运动阶段的脑电信号中提取处于mu频段和beta频段的脑电信号。
步骤S204,提取所述处于预设频段范围内的脑电信号的空间特征。
具体的,可以通过公共空间模式算法提取处于mu频段和beta频段的脑电信号的空间特征。其中,空间特征可以是指脑电信号在空间域上的特征。
步骤S205,通过线性分类器对所述空间特征进行识别,以识别出所述用户的行走意图。
需要说明的是,步骤S202和步骤S205可以组成对用户的行走意图进行识别的脑电信号解码模型,该脑电信号解码模型稳健可靠。
示例性的,图3是四个受试者分别在虚拟行走意图训练场景下和文字提示场景下的识别结果对比图;图3中的逼真虚拟场景就是本发明实施例中的虚拟行走意图训练场景,而文字提示场景就是基于文字提示的传统训练场景,从图3中可以看出相比于传统训练场景,采用虚拟行走意图训练场景能够显著的提高自主行走意图的识别率。
如表1是10个受试者(表1中的S1~S10)在上述两种场景下的自主行走意图识别率。
表1自主行走意图识别率
本发明实施例通过建立高逼真的虚拟行走意图训练场景,通过稳健可靠的脑电信号解码模型实现行走意图识别,相对于传统训练范式,该系统能够显著提高行走意图的识别率。
参见图4,是本发明实施例三提供的自主行走意图识别装置的示意图,为了便于说明,仅示出了与本发明实施例相关的部分。
所述自主行走意图识别装置包括:
场景建立模块41,用于建立虚拟行走意图训练场景;
信号采集模块42,用于采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号;
意图识别模块43,用于根据所述脑电信号识别出所述用户的行走意图。
可选的,所述虚拟行走意图训练场景包括N个阶段,其中,所述N个阶段用于提示所述用户根据显示的阶段进行相应的想象,N为大于零的整数。
可选的,所述信号采集模块42具体用于:
采集用户根据所述虚拟行走意图训练场景中的N个阶段进行自主行走意图训练时,所述用户在指定阶段的脑电信号;
所述意图识别模块43包括:
信号提取单元,用于从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号;
特征提取单元,用于提取所述处于预设频段范围内的脑电信号的空间特征;
特征识别单元,用于通过线性分类器对所述空间特征进行识别,以识别出所述用户的行走意图;
所述信号提取单元,具体用于通过带通滤波器从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号。
本发明实施例提供的自主行走意图识别装置可以应用在前述方法实施例一和实施例二中,详情参见上述方法实施例一和实施例二的描述,在此不做限定。
图5是本发明实施例四提供的自主行走意图识别装置的示意图。如图5所示,该实施例的自主行走意图识别装置5包括:处理器50、存储器51以及存储在所述存储器51中并可在所述处理器50上运行的计算机程序52。所述处理器50执行所述计算机程序52时实现上述各个自主行走意图识别方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,所述处理器50执行所述计算机程序52时实现上述各装置实施例中各模块/单元的功能,例如图4所示模块41至43的功能。
示例性的,所述计算机程序52可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器51中,并由所述处理器50执行,以完成本发明。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序52在所述自主行走意图识别装置5中的执行过程。例如,所述计算机程序52可以被分割成场景建立模块、信号采集模块以及意图识别模块,各模块具体功能如下:
场景建立模块,用于建立虚拟行走意图训练场景;
信号采集模块,用于采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号;
意图识别模块,用于根据所述脑电信号识别出所述用户的行走意图。
可选的,所述虚拟行走意图训练场景包括N个阶段,其中,所述N个阶段用于提示所述用户根据显示的阶段进行相应的想象,N为大于零的整数。
可选的,所述信号采集模块具体用于:
采集用户根据所述虚拟行走意图训练场景中的N个阶段进行自主行走意图训练时,所述用户在指定阶段的脑电信号;
所述意图识别模块包括:
信号提取单元,用于从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号;
特征提取单元,用于提取所述处于预设频段范围内的脑电信号的空间特征;
特征识别单元,用于通过线性分类器对所述空间特征进行识别,以识别出所述用户的行走意图;
所述信号提取单元,具体用于通过带通滤波器从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号。
所述自主行走意图识别装置5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述自主行走意图识别装置可包括,但不仅限于,处理器50、存储器51。本领域技术人员可以理解,图5仅仅是自主行走意图识别装置5的示例,并不构成对自主行走意图识别装置5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述自主行走意图识别装置还可以包括输入输出设备、网络接入设备、总线等。
所述处理器50可以是中央处理单元(Central Processing Unit,CPU),该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器51可以是所述自主行走意图识别装置5的内部存储单元,例如自主行走意图识别装置5的硬盘或内存。所述存储器51也可以是所述自主行走意图识别装置5的外部存储设备,例如所述自主行走意图识别装置5上配备的插接式硬盘,智能存储卡(SmartMedia Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器51还可以既包括所述自主行走意图识别装置5的内部存储单元也包括外部存储设备。所述存储器51用于存储所述计算机程序以及所述自主行走意图识别装置所需的其他程序和数据。所述存储器51还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种自主行走意图识别方法,其特征在于,包括:
建立虚拟行走意图训练场景;
采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号;
根据所述脑电信号识别出所述用户的行走意图。
2.如权利要求1所述的自主行走意图识别方法,其特征在于,所述虚拟行走意图训练场景包括N个阶段,其中,所述N个阶段用于提示所述用户根据显示的阶段进行相应的想象,N为大于零的整数。
3.如权利要求2所述的自主行走意图识别方法,其特征在于,所述采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号包括:
采集用户根据所述虚拟行走意图训练场景中的N个阶段进行自主行走意图训练时,所述用户在指定阶段的脑电信号。
4.如权利要求3所述的自主行走意图识别方法,其特征在于,所述根据所述脑电信号识别出所述用户的行走意图包括:
从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号;
提取所述处于预设频段范围内的脑电信号的空间特征;
通过线性分类器对所述空间特征进行识别,以识别出所述用户的行走意图。
5.如权利要求4所述的自主行走意图识别方法,其特征在于,所述从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号包括:
通过带通滤波器从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号。
6.一种自主行走意图识别装置,其特征在于,包括:
场景建立模块,用于建立虚拟行走意图训练场景;
信号采集模块,用于采集用户根据所述虚拟行走意图训练场景进行自主行走意图训练时的脑电信号;
意图识别模块,用于根据所述脑电信号识别出所述用户的行走意图。
7.如权利要求6所述的自主行走意图识别装置,其特征在于,所述虚拟行走意图训练场景包括N个阶段,其中,所述N个阶段用于提示所述用户根据显示的阶段进行相应的想象,N为大于零的整数。
8.如权利要求7所述的自主行走意图识别装置,其特征在于,所述信号采集模块具体用于:
采集用户根据所述虚拟行走意图训练场景中的N个阶段进行自主行走意图训练时,所述用户在指定阶段的脑电信号;
所述意图识别模块包括:
信号提取单元,用于从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号;
特征提取单元,用于提取所述处于预设频段范围内的脑电信号的空间特征;
特征识别单元,用于通过线性分类器对所述空间特征进行识别,以识别出所述用户的行走意图;
所述信号提取单元,具体用于通过带通滤波器从所述用户在指定阶段的脑电信号中提取处于预设频段范围内的脑电信号。
9.一种自主行走意图识别装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一项所述自主行走意图识别方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至5任一项所述自主行走意图识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711394332.2A CN109947235A (zh) | 2017-12-21 | 2017-12-21 | 自主行走意图识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711394332.2A CN109947235A (zh) | 2017-12-21 | 2017-12-21 | 自主行走意图识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109947235A true CN109947235A (zh) | 2019-06-28 |
Family
ID=67005526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711394332.2A Pending CN109947235A (zh) | 2017-12-21 | 2017-12-21 | 自主行走意图识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109947235A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101352337A (zh) * | 2007-12-25 | 2009-01-28 | 天津大学 | 站起想象动作脑电的信号采集和特征提取方法 |
US20110152732A1 (en) * | 2009-12-21 | 2011-06-23 | Electronics And Telecommunications Research Institute | Multi-sensor signal processing system for detecting walking intent, walking supporting apparatus comprising the system and method for controlling the apparatus |
CN105708587A (zh) * | 2016-01-25 | 2016-06-29 | 电子科技大学 | 一种运动想象模式脑机接口触发的下肢外骨骼训练方法及系统 |
CN106897656A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院深圳先进技术研究院 | 基于运动想象的脑机接口训练方法及装置 |
-
2017
- 2017-12-21 CN CN201711394332.2A patent/CN109947235A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101352337A (zh) * | 2007-12-25 | 2009-01-28 | 天津大学 | 站起想象动作脑电的信号采集和特征提取方法 |
US20110152732A1 (en) * | 2009-12-21 | 2011-06-23 | Electronics And Telecommunications Research Institute | Multi-sensor signal processing system for detecting walking intent, walking supporting apparatus comprising the system and method for controlling the apparatus |
CN106897656A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院深圳先进技术研究院 | 基于运动想象的脑机接口训练方法及装置 |
CN105708587A (zh) * | 2016-01-25 | 2016-06-29 | 电子科技大学 | 一种运动想象模式脑机接口触发的下肢外骨骼训练方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105389549B (zh) | 基于人体动作特征的对象识别方法及装置 | |
CN104427104B (zh) | 一种信息处理方法及电子设备 | |
Ferrari et al. | Hand-crafted features vs residual networks for human activities recognition using accelerometer | |
CN104182048B (zh) | 基于脑机接口的电话系统及其方法 | |
CN105389489A (zh) | 基于心电图信号的用户认证方法和设备 | |
CN106109164A (zh) | 康复系统及康复系统的控制方法 | |
CN109584992A (zh) | 交互方法、装置、服务器、存储介质及沙盘治疗系统 | |
Lapi et al. | Statistics of dark matter halos from the excursion set approach | |
CN110321761A (zh) | 一种行为识别方法、终端设备及计算机可读存储介质 | |
CN106295675A (zh) | 一种高准确性的基于智能手机的行为识别方法 | |
CN110503082A (zh) | 一种基于深度学习的模型训练方法以及相关装置 | |
CN109512395A (zh) | 一种生物信号的分析处理方法、装置及设备 | |
CN114469090A (zh) | 基于跨脑耦合关系计算的脑电情感识别方法及脑机系统 | |
Jablonsky et al. | Evaluating sensor placement and modality for activity recognition in active games | |
CN107296590A (zh) | 一种心电信号处理方法及装置 | |
CN109947235A (zh) | 自主行走意图识别方法及装置 | |
CN201878155U (zh) | 信号采集与数据监测装置及卫星地面综合测试系统 | |
CN103892792A (zh) | 情感识别模型生成装置及其生成情感识别模型的方法 | |
CN108986191B (zh) | 人物动作的生成方法、装置及终端设备 | |
CN104850833B (zh) | 一种脑电混沌特性分析的方法及系统 | |
CN106484112A (zh) | 基于运动想象脑‑机接口的字符拼写器及测试方法 | |
CN107690799B (zh) | 一种数据同步的方法、装置、服务器及计算机可读存储介质 | |
CN115624333A (zh) | 一种人体电阻抗信号的采集系统及其工作方法 | |
Joadder et al. | A new way of channel selection in the motor imagery classification for BCI applications | |
CN111984122A (zh) | 脑电数据匹配方法及系统、存储介质及处理器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
RJ01 | Rejection of invention patent application after publication |