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！

龙图腾网获悉皖西学院申请的专利一种基于GRA-ICS-SVR模型和MMG信号的肌力估计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：CN114722870B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202210348302.2，技术领域涉及：G06F18/214；该发明授权一种基于GRA-ICS-SVR模型和MMG信号的肌力估计方法是由李泽彬;张刚;鲍惠芳;张进思;王传胜设计研发完成，并于2022-04-01向国家知识产权局提交的专利申请。

本一种基于GRA-ICS-SVR模型和MMG信号的肌力估计方法在说明书摘要公布了：本发明公开了一种基于GRA‑ICS‑SVR模型和MMG信号的肌力估计方法，将肌力大小分为8个等级，分别采集各个肌力等级下的三通道MMG信号和对应等级下肌力信号，选取稳定的肌力信号片段相对应的MMG信号片段，从时域、频域、时频域和非线性动力学特征中提取MMG信号特征，采用GRA方法从MMG信号特征中筛选出有效特征，构建样本数据；采用SVR模型进行肌力估计，并利用改进的布谷鸟搜索算法即ICS算法，对SVR模型的关键参数进行优化，寻找SVR模型关键参数的最优解，建立基于ICS‑SVR的肌力估计模型，本发明能够实现精度更高的肌力估计。

本发明授权一种基于GRA-ICS-SVR模型和MMG信号的肌力估计方法在权利要求书中公布了：1.一种基于GRA-ICS-SVR模型和MMG信号的肌力估计方法，其特征在于，包括以下步骤： S1，采集受试者的MMG信号和对应的肌力信号； S2，对所采集的MMG信号和肌力信号分别进行滤波处理； S3，对滤波处理后的MMG信号进行特征提取，提取MMG信号特征；将MMG信号特征和与该MMG信号相对应的肌力信号即标签，作为样本数据；获取一定数量的样本数据，生成样本集；采用灰色关联分析方法即GRA方法，从MMG信号特征中筛选出与肌力大小高度关联的有效特征； S4，构建肌力估计模型，肌力估计模型的输入为MMG信号特征，输出为肌力估计值；将样本集划分为训练集和测试集，利用训练集对估计模型进行训练，构建肌力估计模型； S5，利用测试集在肌力估计模型中得到的肌力估计结果，对肌力估计模型进行性能评价； 步骤S4中，利用SVR模型进行肌力估计，具体过程如下所示： S41，将样本集划分为训练集和测试集； S42，利用改进的布谷鸟搜索算法即ICS算法和训练集，对SVR模型的关键参数进行优化，寻找SVR模型关键参数的最优解，并将关键参数的最优解代入SVR模型，构建肌力估计模型； 所述SVR模型的关键参数包括惩罚参数和核函数参数； S43，利用构建的肌力估计模型进行肌力估计，模型的输入为MMG信号特征，输出为肌力估计值； 步骤S42中，利用改进的布谷鸟搜索算法即ICS算法，对SVR模型关键参数进行优化，具体过程如下所示： S421，设置SVR模型关键参数的取值范围； S422，设置ICS算法参数和种群个数即鸟巢位置的总个数； S423，初始化鸟巢位置； S424，设置目标函数，用于计算每一个鸟巢位置的适应度值； 其中，鸟巢位置表示SVR模型关键参数的解； 选择平均均方误差MSE作为目标函数，用于计算鸟巢位置的适应度值，表达式如下所示： 其中，为第i个样本数据的肌力估计值，为第i个样本数据的肌力期望值即肌力真实值，为训练集中的样本数据总数量；平均均方误差MSE值越小即表示适应度越优； 针对初始化的鸟巢位置，利用目标函数，分别计算各个初始化鸟巢位置的适应度值，选取出适应度最优的鸟巢位置作为初始化的最优鸟巢位置； S425，利用公式进行搜索，对鸟巢位置更新；其中，表示第t+1次迭代的第个鸟巢位置；表示第t次迭代的第个鸟巢位置；表示点乘；表示步长控制量，用于控制步长搜索范围，的取值服从正态分布； 其中，步长控制量根据迭代次数进行更新，的表达式为： 其中，为第t次迭代的最优鸟巢位置，即对应的适应度最优；为控制步长搜索范围的步长因子； S426，评估步骤S425中本次迭代得到的鸟巢位置，选择出当前最优鸟巢位置，具体方式为： 利用目标函数，分别对步骤S425中本次迭代得到的所有鸟巢位置的适应度值进行计算，选取本次迭代中适应度最优的鸟巢位置，即本次迭代的最优鸟巢位置； 若本次迭代的最优鸟巢位置的适应度优于上一次迭代的最优鸟巢位置的适应度，则用本次迭代更新得到的最优鸟巢位置作为当前最优鸟巢位置；否则继续用上一次迭代的最优鸟巢位置作为当前最优鸟巢位置； S427，判断步骤S425中本次迭代得到的鸟巢位置被宿主鸟发现寄生蛋的概率，对本次迭代得到的鸟巢位置进行概率更新，具体如下所示： 产生一个随机数，，服从均匀分布；若，则表示本次迭代得到的鸟巢位置被宿主鸟发现，抛弃本次迭代得到的该鸟巢位置，并更新一个新的鸟巢位置替代本次迭代得到的该鸟巢位置；若，则表示本次迭代得到的鸟巢位置不被宿主鸟发现，保留本次迭代得到的该鸟巢位置； 其中，宿主鸟发现寄生蛋的概率根据迭代次数进行更新： S428，利用目标函数，对步骤S427概率更新后的所有鸟巢位置的适应度值进行计算，选取适应度最优的鸟巢位置，得到概率更新后的最优鸟巢位置； 将概率更新后的最优鸟巢位置与步骤S426所得到的当前最优鸟巢位置进行比较，保留适应度最优的鸟巢位置； S429，按照步骤S425～S428的方式，继续进行迭代直至迭代结束后，输出所保留的当前最优鸟巢位置，得到最终的最优鸟巢位置，最终的最优鸟巢位置即为SVR模型关键参数的最优解，将最优解代入SVR模型中，构建肌力估计模型； 步骤S423中，利用Tent混沌映射进行种群初始化，得到初始化的鸟巢位置，具体方式如下所示： 随机产生一个0～1的数值，将这个数值代入Tent混沌映射产生H个数值，即： ； 其中，表示Tent混沌映射产生的第个数值； 将Tent混沌映射产生的H个数值映射到SVR模型关键参数的取值范围中，得到初始化的H个鸟巢位置： 其中，上标0表示当前迭代次数为0，即表征初始值；表示初始化的第个鸟巢位置；分别为SVR模型关键参数取值上限和取值下限； 对ICS算法中的参数和参数的取值进行自适应控制，参数和参数取值方式如下所示： 其中，t和T分别为当前迭代次数和总迭代次数；为参数的最小取值；为参数的最大取值；为参数的最小取值；为参数的最大取值。

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皖西学院，其通讯地址为：237012 安徽省六安市裕安区云路桥西月亮岛；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。