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！

龙图腾网获悉西北工业大学申请的专利一种膝关节骨关节炎多生物信号的监测设备及分类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：CN117582177B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202311350596.3，技术领域涉及：G16H50/20；该发明授权一种膝关节骨关节炎多生物信号的监测设备及分类方法是由刘杰;杨建华;侯宏设计研发完成，并于2023-10-18向国家知识产权局提交的专利申请。

本一种膝关节骨关节炎多生物信号的监测设备及分类方法在说明书摘要公布了：本发明提供了一种膝关节骨关节炎多生物信号的监测设备及分类方法，旨在实现膝关节骨关节炎实时动态监测，并利用多生物膝关节运动信号提高膝关节运动信号多分类的准确度，在具体应用时，对膝关节退行性变化观测和骨关节炎预防有重要意义。

本发明授权一种膝关节骨关节炎多生物信号的监测设备及分类方法在权利要求书中公布了：1.一种膝关节骨关节炎多生物信号分类方法，其特征在于：包括以下步骤： 步骤1：数据处理，包括对数据的归一化、周期分割以及双密度双树复小波分解，具体包括以下子步骤： 步骤1.1：对收集到的人体站-蹲-站过程中膝关节振动数据，声发射数据，表面肌电数据以及角度变化数据进行低通滤波器滤波，消除人体噪声和信号漂移的干扰； 步骤1.2：对步骤1.1得到的膝关节运动振动数据，声发射数据和表面肌电数据分别进行归一化处理，公式如下： 其中，是待处理一维信号，是得到的一维信号，和分别是信号中的最大值和最小值； 步骤1.3：计算人体站-蹲-站周期运动过程中膝关节屈伸角度数据的拐点，利用所求出的拐点手动将步骤1.2得到的归一化膝关节运动振动数据，声发射数据和表面肌电数据分割成对应的周期运动片段； 步骤1.4：对步骤1.3分割得到的膝关节运动振动周期片段数据，声发射周期片段数据和表面肌电周期片段数据分别进行双密度双树复小波分解，得到各类型数据片段不同分解层数信号子带对应的小波系数和尺度系数； 步骤2：K-L标准分类处理，包括多通道多尺度信息系数矩阵数据集构建和中心序数损失函数多卷积分类模型构建，具体包括以下子步骤： 步骤2.1：对数据处理模块中同一周期片段分解得到各层小波系数和尺度系数分别进行拼接形成对应的列向量，再将每层分解对应的列向量按列排列组成该数据片段的多尺度系数矩阵，即膝关节运动振动周期片段多尺度系数矩阵，声发射周期片段多尺度系数矩阵，表面肌电周期片段多尺度系数矩阵； 步骤2.2：对步骤2.1得到多传感器信息多尺度系数矩阵按照周期相互对应，并对同一周期内的多尺度系数矩阵进行堆叠，融合形成多通道多尺度信息系数矩阵； 步骤2.3：对所有分割后的周期片段数据进行步骤2.1和步骤2.2操作，形成多通道多尺度信息系数矩阵数据集；操作人员按照K-L标准对该数据集进行标注，将标注后的数据集划分为训练集和测试集； 步骤2.4：构建中心序数损失函数的K-L标准分类模型，包括以下内容： a选择多卷积分类模型作为分类的初始模型； b多卷积分类模型的中心序数损失函数定义如下： 且， 其中，表示预测类别与真实类别之间的惩罚权重，，而，表示的中心序数损失矩阵即预测类别与真实类别之间的惩罚矩阵，表示不同等级膝关节骨关节炎运动信号的类别，=5，表示多卷积分类模型softmax函数输出的预测概率；每个预测类别对自身的惩罚权重为1，预测类别与真实类别相差越远，对应的惩罚权重越高；表示每批样本的大小，表示批样本中的样本特征，表示批样本中该样本对应的第类别的特征中心，与特征的维度一致，要求每个样本特征距离特征中心的距离的平方和越小越好，类内样本越紧凑；控制的权重； 令时，，即预测类别与真实类别一致时损失较小，损失函数可化解为： 且 c利用步骤2.3得到的数据集和b中定义的中心序数损失函数训练a中的多卷积分类初始模型，当可调损失函数达到最小时，得到K-L标准分类目标模型； 步骤2.5：基于步骤2.4得到的K-L标准分类目标模型和膝关节运动多通道多尺度信息系数矩阵，识别膝关节骨关节炎运动多生物信号的类别，并输出分类结果。

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西北工业大学，其通讯地址为：710072 陕西省西安市碑林区友谊西路127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。