龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：齐鲁工业大学(山东省科学院)
摘要：本发明公开了一种基于人工智能sEMG信号特征提取及肌肉疲劳级别判别方法，包括如下步骤：S1、使用多模态传感器设备实时捕捉用户在进行特定体力活动时的sEMG信号数据和辅助数据；S2、对所收集的sEMG信号数据及辅助数据进行预处理；S3、利用多尺度熵分析和机器学习算法对预处理后的sEMG信号数据进行特征提取；S4、基于提取的特征，构建并训练一个用于肌肉疲劳级别判别的复合人工智能模型；S5、对用户的肌肉疲劳级别进行实时评估，并根据评估结果，调整运动强度和休息时间安排。本发明通过采用创新的信号预处理技术，有效地提高了sEMG信号处理的准确性和效率。
主权项：1.一种基于人工智能sEMG信号特征提取及肌肉疲劳级别判别方法，其特征在于，包括以下步骤：S1、使用多模态传感器设备实时捕捉用户在进行特定体力活动时的sEMG信号数据，并同时收集环境温度、湿度、用户的运动速度和心率结合的辅助数据；S2、对所收集的sEMG信号数据及辅助数据进行预处理，包括去除电源干扰、运动伪差及其他可能影响信号质量的噪声，并采用带通滤波技术对信号进行滤波处理；S3、利用多尺度熵分析和机器学习算法对预处理后的sEMG信号数据进行特征提取，同时考虑辅助数据中的环境和生理参数，从sEMG信号数据及辅助数据中提取反映肌肉活动状态的关键特征，多尺度熵分析用于量化sEMG信号的复杂度变化，捕获肌肉疲劳过程中的动态特性，机器学习模型进一步分析动态特性，包括时域特征、频域特征及时频域特征；S4、基于提取的特征，构建并训练一个用于肌肉疲劳级别判别的复合人工智能模型，复合人工智能模型综合分析sEMG信号及辅助数据的关键特征，判断肌肉是否疲劳以及疲劳的程度；S5、对用户的肌肉疲劳级别进行实时评估，并根据评估结果，调整运动强度和休息时间安排。
全文数据：
权利要求：
百度查询： 齐鲁工业大学(山东省科学院) 基于人工智能sEMG信号特征提取及肌肉疲劳级别判别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号