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！

龙图腾网获悉南京理工大学申请的专利一种用于机器人的表面肌电稳健智能识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119441970B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411439005.4，技术领域涉及：G06F18/241；该发明授权一种用于机器人的表面肌电稳健智能识别方法是由赵孝礼;宋艺博;赵昕;胡渊豪;张站;何显松;赵思源;姚建勇;胡健;邓文翔;丁鹏;赵转哲;宋狄;李佳;邓林峰;邵海东设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本一种用于机器人的表面肌电稳健智能识别方法在说明书摘要公布了：本发明公开了一种用于机器人的表面肌电稳健智能识别方法，包括步骤如下：首先使用表面肌电传感器采集若干组人体原始肌电信号；然后，对采集到的传感器数据进行滑动窗口切片处理，划分出训练数据集和测试数据集；将训练数据集作为时域处理子网络和频域处理子网络的输入进行网络训练，经过网络训练分别提取出时域特征以及频域特征，将时域特征和频域特征作为识别分类器的输入，对识别分类器进行训练；最后，将测试样本集输入到训练好的信号处理识别模型中进行表面肌电信号处理识别；本发明有效地结合了时域和频域信息，与传统的完全结合网络相比，提高了识别准确性和稳定性。

本发明授权一种用于机器人的表面肌电稳健智能识别方法在权利要求书中公布了：1.一种用于机器人的表面肌电稳健智能识别方法，其特征在于，包括以下步骤： 步骤1：利用表面肌电传感器采集若干组人体原始肌电信号，通过滑动窗口对原始肌电信号进行切片处理，划分出训练数据集和测试数据集； 步骤2：构建信号处理识别模型，包括时域处理子网络、频域处理子网络以及DBN网络； 步骤3：将训练数据集作为时域处理子网络的输入数据，对时域处理子网络进行训练，得到时域特征： 时域处理子网络对输入数据进行SSA处理得到SSA结果，将SSA结果与其对应的原始肌电信号连接起来，得到时域训练样本，通过Xception模块进行特征提取，再通过全局自适应平均池化层得到时域特征； 其中，Xception模块采用非线性归一化方法，使用深度可分离卷积块捕获稀疏多通道表面机电信号的时间和空间信息内容；深度可分离卷积块包括两条并行路径，第一条路径首先经过一个一维卷积模块，再并行通过三个深度可分离卷积；第二条路径首先经过最大池化，再经过一维卷积；使用四个深度可分离卷积块堆叠在一起作为Xception模块的主要部分，然后引入残差连接以避免过拟合，最后经过全局自适应平均池化层输出时域特征； 步骤4：将训练数据集作为频域处理子网络的输入数据，对频域处理子网络进行训练，得到频域特征： 频域处理子网络对输入数据进行FFT处理得到FFT结果，将FFT结果与其对应的原始肌电信号连接起来，得到频域训练样本，通过OmniScale模块进行特征提取，再通过全局自适应平均池化层得到频域特征； 构建OmniScale模块，使用OmniScale模块捕获重要尺度信息，具体如下： OmniScale是一个三层多核结构，每个内核对输入进行相同的填充卷积，使用表示第q层的内核大小集； q∈{1,2}表示前两层，此时使用素数大小的卷积核，即pmax表示最大的素数； q＝3表示第三层，使用大小为1和2的卷积核，即 步骤5：构建DBN网络，将时域特征和频域特征作为DBN网络的输入，将DBN网络作为识别分类器，对DBN网络进行训练，得到训练好的信号处理识别模型： DBN网络将时域特征和频域特征进行特征拼接，得到时频特征，再将其作为DBN网络中RBM层的输入进行无监督训练，最后通过对DBN网络的监督训练来微调网络参数，得到训练好的信号处理识别模型； 步骤6：将测试数据集输入到训练好的信号处理识别模型中，得到识别结果，进行用于机器人的表面肌电信号处理识别。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京理工大学，其通讯地址为：210094 江苏省南京市玄武区孝陵卫200号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。