2) SEMG
表面肌电信号
1.
A Method of Decreasing the Power Frequency Noise from SEMG;
一种消除表面肌电信号中工频干扰的方法
2.
Identification of Model Parameters Basing on Matched Processing between Simulated and Recorded sEMG Signals;
基于匹配实测表面肌电信号的模型参数辨识(英文)
3.
Studies on the Non-fatigue Specificity of the Fatigue-related sEMG Signal Parameters;
疲劳相关表面肌电信号特征的非疲劳特异性研究
3) surface EMG
表面肌电信号
1.
Classification research on surface EMG signal based on fuzzy wavelet packet and decision tree;
基于模糊小波包和决策树的表面肌电信号分类研究
2.
The Application of Independent Component Analysis for Decomposition Surface EMG;
独立分量分析在表面肌电信号分解中的应用
3.
Design of Wireless multi-channel surface EMG acquisition system
无线多通道表面肌电信号采集系统设计
4) surface electromyography(SEMG)
表面肌电信号
1.
According to the physiological characteristics of the generation process of surface electromyography(SEMG),a method of decomposition of SEMG signals based on the technique of convolutive mixing blind source separation was proposed to detect the information about motor unit action potentials.
根据表面肌电信号(SEMG)形成的生理学特性,采用一种基于卷积混合过程的盲源分离技术来分析隐含在SEMG信号中的运动单位动作电位信息,利用仿真的SEMG信号对这种算法的分解性能进行实验研究,并与采用瞬时混合过程的独立分量分析(ICA)算法的分解性能进行比较,同时将该算法应用于真实SEMG信号的分解实验。
2.
A new pattern recognition method of surface electromyography(sEMG) is proposed, based on wavelet transform and support vector machine(SVM).
采用小波变换的方法对实验采集的原始四通道表面肌电信号(sEMG)进行了分析,并提取小波分解系数的奇异值构建特征矢量,利用“一对一”分类策略和二叉树设计的多类支持向量机(SVM)分类器,很好地实现了对前臂8种运动表面肌电信号的模式分类,8种运动模式的平均识别率为98。
3.
To identify the neuromuscular function state,a new surface electromyography(SEMG) signal identification method based on wavelet packet transformation and support vector machine(SVM) is proposed for the signal non-smooth characteristics.
为很好地识别神经和肌肉的功能状态,针对表面肌电信号的非平稳特性,提出了采用小波包变换的方法对原始肌电信号进行分解,并提取其频段系数的最大奇异值构建特征矢量。
5) surface electromyography signal
表面肌电信号
1.
In this paper, a method to process surface electromyography signal was presented.
提出了一种以AR模型和BP网络相结合的表面肌电信号处理方法 。
2.
According to the chaotic characteristic of surface electromyography signal,a novel method that uses basic-scale entropy to extract feature from surface electromyography signal(SEMG) was proposed.
提出了一种基于基本尺度熵的表面肌电信号特征的提取方法。
6) surface electromyography
表面肌电信号
1.
Classification of surface electromyography patterns by using HMM;
基于HMM的表面肌电信号模式分类
2.
A HMM-RBFN hybrid classifier for surface electromyography signals classification;
基于隐马尔可夫模型-径向基神经网络的表面肌电信号识别
3.
Objective Aiming at investigating the nonstationary characters of the EMG signal,time-varying AR model was employed in this study to quickly estimate muscle fatigue by analyzing short time surface electromyography.
目的本研究针对表面肌电信号的非平稳特性,采用时变参数AR模型的方法对表面肌电信号进行分析,实现对短时表面肌电信号的肌肉疲劳快速评估。
补充资料：电力线载波信号模式分析计算
电力线载波信号模式分析计算
model analysis of power line carrier signals
d旧l、}lxlorl 20一匕ox一rl}〕oor详105卜1 ter议1 JsLlol、电力线载波信号模式分析计算(modelanalysis of power line earrier signals)利用模式理论对电力线载波信号传输性能进行分析计算的方法.也称为模分量分析法。在数学上，为了便于分析计算，常将物理量按一定规律分解成模分量。这种方法在土木建筑、桥梁设计等许多工程领域都得到应用。 发展史从20世纪40年代起，一些国家曾采用对称分量法分析、研究载波信号在电力线上的传输问题。这种方法未考虑载波信号的祸合相位、线路结构及大地电阻率等因素，计算结果与实际相差较大.不少现象难以解释。早在20年代J.R.卡森(J .R.Carson)就曾提出以模式分析法研究电力线载波信号传输的性能。60一70年代，随着电子计算机技术的发展.一些国家对模式分析法进行了研究。这种方法考虑了很多实际条件，计算误差小.对很多现象能给出较好的解释。中国在80年代也对这种方法进行了研究.并已开发了实用的程序，现已能用模式分析法对载波信号的传输性能进行精确的工程计算。 模式及模式传输特点对n根导线电力线路的模式分析表明，载波信号以，组模式同时传输，每组模式在、根导线上都有各自的分布规律。 以单回路三相水平排列非绝缘架空地线的电力线为例，有模1、模2和模3三种模式。各组模式的传输途径示于图l、其中:厂D模l为中相对两边相传输;② 11】一 ，，二，竺性少吧，--一一一~~厂二尸_—一 、~___2一___22一一一一 尸二竺，咫，竺，，一一，一~一尹刃二忿吮，，，，，，，一一一-—— 、__3、~__3弓一一-一’ 一一一) 士 ~F厂一_一r1一_.勺- _州”_州加 _价，’一一片‘2’一_州‘J (a、(b、(e)图1三相水平排列电力线三组模分量的传输途径 (a)模l;(b)模2;(。)模3模2为两边相间传输;③模3为三相对地传输。 精确的模式分析表明，模1的中相信号与两边相信号之和并不完全相等，有较小的差值，即大地也参与了模1信号的传输。 每一组模式有它固有的传输常数、传输速度和特性阻抗。各组模式间互不相关。线路上任一点的相电压、相电流为该点不同组模式的电压分量、电流分量的相量和。所以，模式分析的基本点，是将n根导线组的问题简化为单独的，不互相藕合的，根单导线的问题。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条