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！

龙图腾网恭喜燕山大学申请的专利一种基于小波和非负张量分解的时频空肌肉协同分析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：CN114190956B 。

龙图腾网通过国家知识产权局官网在2025-05-16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：202111413019.5，技术领域涉及：A61B5/397；该发明授权一种基于小波和非负张量分解的时频空肌肉协同分析方法是由谢平;常清雅;程生翠;陈晓玲;王新宇;杨轶楠;胡晓翎设计研发完成，并于2021-11-25向国家知识产权局提交的专利申请。

本一种基于小波和非负张量分解的时频空肌肉协同分析方法在说明书摘要公布了：本发明公开了一种基于小波和非负张量分解的时频空肌肉协同分析方法，属于神经康复工程及运动机制技术领域，所述方法首先进行上肢运动过程中多通道表面肌电信号的同步采集和预处理；然后对预处理后的数据进行小波分解，对小波变换后的时频肌电信号，将同一动作的多通道时频信号构建成小波信号数据张量；通过预先设置分解层数，将分解后的三个矩阵和核张量相乘,得到重构数据张量，再计算拟合值FIT；再判断协同与非协同关系；最后判断协同肌的频谱分量。本发明从运动的产生与执行角度，探讨肌肉协同模型中协同肌在不同频段上的功能激活状态，有助于揭示神经系统功能的内在模式，能够为卒中患者运动康复过程提供生理依据。

本发明授权一种基于小波和非负张量分解的时频空肌肉协同分析方法在权利要求书中公布了：1.一种基于小波和非负张量分解的时频空肌肉协同分析方法，其特征在于：具体包括以下步骤：步骤1，同步采集多通道肌电信号；步骤2，采用数据处理软件对采集到的肌电信号进行预处理；步骤3，对多通道肌电信号进行小波变换并构建小波信号数据张量；将步骤2预处理后的实测数据进行构建多通道肌电信号xt时间序列；对肌电信号xt采用具有带宽参数的复Morlet小波CMOR6-1进行小波变换，得到信号一维时域特征和一维频域特征，将时域、频域数列构造成二维数组EMGfrequency×time；具体方法如下：3.1首先构造小波函数ψj,kt＝2j2ψ2jt-k式中，ψt为基本小波，k为ψt纵坐标方向的平移量，j表示信号的层数；j,k∈Z，Z为整数集，2j为尺度参数，2j2为缩放倍数，2jt为平移参数；t为时间指标；3.2然后对肌电信号xt进行分解，得到小波变换系数： 式中，为ψj,kt的复共轭形式；将小波系数Cj,k重构出频域特征的时频肌电信号EMGfrequency×time；基于小波变换后的重构的时频肌电信号EMGfrequency×time时间序列；将同一动作的多通道时频信号构建成小波信号数据张量XEMGfrequency×time×channel；步骤4，确定协同数目；步骤5，对数据张量进行非负Tucker分解获得时频空肌肉协同特性；时频空肌肉协同特性分析的具体方法如下：对步骤3中构建的小波信号数据张量XEMGfrequency×time×channel进行非负Tucker分解获得时频空肌肉协同特性；非负张量分解方法应用于肌肉协同分析的具体为：根据肌肉协同理论，位于任意给定的非负张量Xijn，非负张量分解方法能够寻找三个非负矩阵和与一个核张量G，使得满足 式中，Xijn表示大小为i×j×n的sEMG原始数据张量，Yijn表示大小为i×j×n的重构数据张量，i＝8为所记录的肌肉数目，j为采样点数，n为频谱点数，μ为分解层数；为核心张量，分解得到了三个非负矩阵，分别为协同矩阵、相对贡献权重矩阵和频谱分量矩阵；反映了每个肌肉对一定运动的参与程度，反映了协同模块的激活程度，反映了协同模块的频谱信息，×是张量的模-m矩阵乘积算符；步骤6，判断协同与非协同关系并判断协同肌的频谱分量；基于步骤5分解得到的特征矩阵和判断协同与非协同关系并判断协同肌的频谱分量；具体为：6.1判断协同与非协同关系，对肌肉协同向量进行最大值归一化处理，取值在[0-1]范围内；6.2通过设定阈值h的方式确定肌间协同与非协同关系；如果归一化后的W值大于h，则认为该肌肉在协同作用中是显著激活的，与最活跃的肌肉具有协同关系，反之则不具有；6.3判断协同肌的频谱分量，通过设定阈值o的方式确定协同肌的主要频谱分量；如果分解得到的P值大于o，则得到对应的肌肉协同模块的主要频谱分量；阈值h选取0.50；阈值o选取0.10。

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燕山大学，其通讯地址为：066004 河北省秦皇岛市海港区河北大街438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”。