買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜燕山大學(xué)申請(qǐng)的專(zhuān)利一種基于小波和非負(fù)張量分解的時(shí)頻空肌肉協(xié)同分析方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114190956B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-16發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202111413019.5，技術(shù)領(lǐng)域涉及：A61B5/397；該發(fā)明授權(quán)一種基于小波和非負(fù)張量分解的時(shí)頻空肌肉協(xié)同分析方法是由謝平;常清雅;程生翠;陳曉玲;王新宇;楊軼楠;胡曉翎設(shè)計(jì)研發(fā)完成，并于2021-11-25向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于小波和非負(fù)張量分解的時(shí)頻空肌肉協(xié)同分析方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于小波和非負(fù)張量分解的時(shí)頻空肌肉協(xié)同分析方法，屬于神經(jīng)康復(fù)工程及運(yùn)動(dòng)機(jī)制技術(shù)領(lǐng)域，所述方法首先進(jìn)行上肢運(yùn)動(dòng)過(guò)程中多通道表面肌電信號(hào)的同步采集和預(yù)處理；然后對(duì)預(yù)處理后的數(shù)據(jù)進(jìn)行小波分解，對(duì)小波變換后的時(shí)頻肌電信號(hào)，將同一動(dòng)作的多通道時(shí)頻信號(hào)構(gòu)建成小波信號(hào)數(shù)據(jù)張量；通過(guò)預(yù)先設(shè)置分解層數(shù)，將分解后的三個(gè)矩陣和核張量相乘,得到重構(gòu)數(shù)據(jù)張量，再計(jì)算擬合值FIT；再判斷協(xié)同與非協(xié)同關(guān)系；最后判斷協(xié)同肌的頻譜分量。本發(fā)明從運(yùn)動(dòng)的產(chǎn)生與執(zhí)行角度，探討肌肉協(xié)同模型中協(xié)同肌在不同頻段上的功能激活狀態(tài)，有助于揭示神經(jīng)系統(tǒng)功能的內(nèi)在模式，能夠?yàn)樽渲谢颊哌\(yùn)動(dòng)康復(fù)過(guò)程提供生理依據(jù)。

本發(fā)明授權(quán)一種基于小波和非負(fù)張量分解的時(shí)頻空肌肉協(xié)同分析方法在權(quán)利要求書(shū)中公布了：1.一種基于小波和非負(fù)張量分解的時(shí)頻空肌肉協(xié)同分析方法，其特征在于：具體包括以下步驟：步驟1，同步采集多通道肌電信號(hào)；步驟2，采用數(shù)據(jù)處理軟件對(duì)采集到的肌電信號(hào)進(jìn)行預(yù)處理；步驟3，對(duì)多通道肌電信號(hào)進(jìn)行小波變換并構(gòu)建小波信號(hào)數(shù)據(jù)張量；將步驟2預(yù)處理后的實(shí)測(cè)數(shù)據(jù)進(jìn)行構(gòu)建多通道肌電信號(hào)xt時(shí)間序列；對(duì)肌電信號(hào)xt采用具有帶寬參數(shù)的復(fù)Morlet小波CMOR6-1進(jìn)行小波變換，得到信號(hào)一維時(shí)域特征和一維頻域特征，將時(shí)域、頻域數(shù)列構(gòu)造成二維數(shù)組EMGfrequency×time；具體方法如下：3.1首先構(gòu)造小波函數(shù)ψj,kt＝2j2ψ2jt-k式中，ψt為基本小波，k為ψt縱坐標(biāo)方向的平移量，j表示信號(hào)的層數(shù)；j,k∈Z，Z為整數(shù)集，2j為尺度參數(shù)，2j2為縮放倍數(shù)，2jt為平移參數(shù)；t為時(shí)間指標(biāo)；3.2然后對(duì)肌電信號(hào)xt進(jìn)行分解，得到小波變換系數(shù)： 式中，為ψj,kt的復(fù)共軛形式；將小波系數(shù)Cj,k重構(gòu)出頻域特征的時(shí)頻肌電信號(hào)EMGfrequency×time；基于小波變換后的重構(gòu)的時(shí)頻肌電信號(hào)EMGfrequency×time時(shí)間序列；將同一動(dòng)作的多通道時(shí)頻信號(hào)構(gòu)建成小波信號(hào)數(shù)據(jù)張量XEMGfrequency×time×channel；步驟4，確定協(xié)同數(shù)目；步驟5，對(duì)數(shù)據(jù)張量進(jìn)行非負(fù)Tucker分解獲得時(shí)頻空肌肉協(xié)同特性；時(shí)頻空肌肉協(xié)同特性分析的具體方法如下：對(duì)步驟3中構(gòu)建的小波信號(hào)數(shù)據(jù)張量XEMGfrequency×time×channel進(jìn)行非負(fù)Tucker分解獲得時(shí)頻空肌肉協(xié)同特性；非負(fù)張量分解方法應(yīng)用于肌肉協(xié)同分析的具體為：根據(jù)肌肉協(xié)同理論，位于任意給定的非負(fù)張量Xijn，非負(fù)張量分解方法能夠?qū)ふ胰齻€(gè)非負(fù)矩陣和與一個(gè)核張量G，使得滿(mǎn)足 式中，Xijn表示大小為i×j×n的sEMG原始數(shù)據(jù)張量，Yijn表示大小為i×j×n的重構(gòu)數(shù)據(jù)張量，i＝8為所記錄的肌肉數(shù)目，j為采樣點(diǎn)數(shù)，n為頻譜點(diǎn)數(shù)，μ為分解層數(shù)；為核心張量，分解得到了三個(gè)非負(fù)矩陣，分別為協(xié)同矩陣、相對(duì)貢獻(xiàn)權(quán)重矩陣和頻譜分量矩陣；反映了每個(gè)肌肉對(duì)一定運(yùn)動(dòng)的參與程度，反映了協(xié)同模塊的激活程度，反映了協(xié)同模塊的頻譜信息，×是張量的模-m矩陣乘積算符；步驟6，判斷協(xié)同與非協(xié)同關(guān)系并判斷協(xié)同肌的頻譜分量；基于步驟5分解得到的特征矩陣和判斷協(xié)同與非協(xié)同關(guān)系并判斷協(xié)同肌的頻譜分量；具體為：6.1判斷協(xié)同與非協(xié)同關(guān)系，對(duì)肌肉協(xié)同向量進(jìn)行最大值歸一化處理，取值在[0-1]范圍內(nèi)；6.2通過(guò)設(shè)定閾值h的方式確定肌間協(xié)同與非協(xié)同關(guān)系；如果歸一化后的W值大于h，則認(rèn)為該肌肉在協(xié)同作用中是顯著激活的，與最活躍的肌肉具有協(xié)同關(guān)系，反之則不具有；6.3判斷協(xié)同肌的頻譜分量，通過(guò)設(shè)定閾值o的方式確定協(xié)同肌的主要頻譜分量；如果分解得到的P值大于o，則得到對(duì)應(yīng)的肌肉協(xié)同模塊的主要頻譜分量；閾值h選取0.50；閾值o選取0.10。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人燕山大學(xué)，其通訊地址為：066004 河北省秦皇島市海港區(qū)河北大街438號(hào)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。