2) EMG detection
肌电信号测试
1.
Research and development of the surface EMG detection and analysis system;
表面肌电信号测试分析系统的研制
3) EMG
肌电信号
1.
RQA-BASED ANALYSIS OF SURFACE EMG SIGNALS;
基于定量分析方法的动作表面肌电信号分析
2.
Method of mathematics treatment in the EMG analysis;
表面肌电信号分析中的数学处理方法
3.
Prosthetic Hand Control Based on EMG Signals;
基于肌电信号的仿人型假手控制
4) electromyography
[英][i,lektrəumai'ɔgrəfi] [美][ɪ,lɛktromaɪ'ɑgrəfɪ]
肌电信号
1.
Surface electromyography processing based on recurrence quantification analysis;
基于定量递归分析(RQA)方法的肌电信号处理
2.
We used an algorithm based on single value decomposition to decomposed the signal into tow time- orthogonal subspaces: one contains ECG signal, the other contains artificial noise such as baseline wander and electromyography.
使用一种基于奇异值分解 (SVD)的算法 ,将信号分解为两个时正交的子空间即一个包含了 ECG信号 ,另一个则包含了人工噪声 ,诸如基线漂移 (BW)和肌电信号 (EMG) ,这种方法利用了存在于 1 2导联心电图中的冗余。
3.
The motion-pattern recognition arithmetic based on s u pport vector machine is proposed to enhance the discrimination rate and the real-time of multi-movement pattern recognition of surface electromyography.
为了提高肌电信号多运动模式识别的准确性和实时性,提出了一种基于支持向量机的动作模式分类算法。
5) surface EMG
肌电信号
1.
Application of improved BP algorithm to surface EMG signal classification;
改进的BP算法在表面肌电信号识别中的应用
2.
Surface EMG Signal Classification Using Wavelet Transform;
小波变换在表面肌电信号分类中的应用
3.
Four types of movement of forearm,hand grasp,hand extension,wrist pronation and wrist supination can be identified from surface EMG s.
针对肌电信号的非平稳特性 ,采用短时傅里叶变换方法对表面肌电信号进行分析 ,并通过奇异值分解有效地提取特征矢量进行模式识别 ,能够成功地从掌长肌和肱桡肌采集的两道表面肌电信号中识别展拳、握拳、腕内旋、腕外旋四种运动模式。
6) myoelectric signal
肌电信号
1.
Identification of Myoelectric signals of the paralysed patient’s leg motions;
截瘫病人完成下肢运动的肌电信号分辨
2.
The integral absolute value,autoregressive(AR) model coefficients,and linear cepstrum coefficients are extracted as feature parameters from time segments of the surface myoelectric signals.
待辨识的6类手部动作肌电信号经各特征域变换,提取特征矢量后由BP神经网络分类,根据D-S证据理论对各分类器分类结果进行证据累积,并得到最终分类结果。
3.
Statistical characters of the short time slices of the myoelectric signal of musculus flexor carpi ulnaris are preprocessed,then the results are given as the input of self-organization neural network to classify time slices and to find the action start time slice.
提出一种提取尺侧腕屈肌表面肌电信号的短时统计特性,并将此特性预处理后作为自组织人工神经网络输入来判断运动状态,进而实现实时识别人体特定动作起始时刻的方法。
补充资料：测试结果可接受性的检查和最终测试结果的确定
测试结果可接受性的检查和最终测试结果的确定
check of the acceptability of test results and determination of the final test result
C凡(3)二3.3d，时，取此3个结果的平均值作为最终侧试结果;否则取它们的中位数作为最终测试结果。。，为重复性标准差(即在重复性条件下所得侧试结果的标准差)。 在口田T 11792一1989中还对重复性和再现性条件下所得侧试结果可接受性的检查方法和最终测试结果的确定做了详细讨论和规定。(马毅林)ceshi 11叩uo kejieshCxjxing d6 iiancha he zuizhong ceshi】i闪旧de que心ing测试结果可接受性的检查和最终测试结果的确定(checkof山eac，ptability of test，ults助ddsterminationofthefi耐testresult)在商品检验中进行一次测试的情形不多见，当得到一个测试结果时，所得结果不可能直接与给定的重复性标准差作可接受性的检查。对测试结果的准确性有任何疑问时都应再进行一次测试。所以，对两个测试结果进行可接受性的检查是一般的情况。 可接受性的检查，实际上是一种统计检验。任何两个测试结果只要能通过可接受性的统计检验即可认为是一致的，均可接受。比如，在重复性条件下，所得结果之差的绝对值(下称绝对差)不超过相应的重复性限r(见重复性和再现性)的值，则认为两个结果是一致的，均可接受;如果两个侧试结果的绝对差超过r，则认为它们是不一致的，必须增加测试。 按国家标准《测试方法的精密度在重复性或再现性条件下所得测试结果可接受性的检查和最终测试结果的确定》(GBIT 1 1792一1989)，在重复性条件下，如果两个测试结果的绝对差不超过r的值，可取两个侧试结果的平均值作为最终测试结果。如果两个结果的绝对差超过r的值，并且测试费用较低，须再做两次测试。当4个结果的极差(即其中的最大值与最小值之差)不超过相应的临界极差c，瓜(4)二3.6a，时，取4个结果的平均值作为最终测试结果。如果两个结果的绝对差超过r的值，并且测试费用较高时，只须再作一次测试。当3个结果的极差不超过相应的临界极差
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