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！

龙图腾网获悉北京京航计算通讯研究所申请的专利一种基于深度学习的军事体能训练风险评估方法及系统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：CN117064410B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202311087997.4，技术领域涉及：A61B5/397；该发明授权一种基于深度学习的军事体能训练风险评估方法及系统是由李郝;张驰;张彤;薛铸鑫;姚帅;白洋;刘雄军;李淼;刘力元;张东旭设计研发完成，并于2023-08-28向国家知识产权局提交的专利申请。

本一种基于深度学习的军事体能训练风险评估方法及系统在说明书摘要公布了：本发明提供一种基于深度学习的军事体能训练风险评估方法及系统，属军事体能训练领域，包括获取参训人员的表面肌电信号并进行预处理，对预处理后的表面肌电信号进行时域、频域及时频域特征提取和CNN特征提取后征进行特征筛选组合，得到特征筛选组合后的特征序列；基于该特征序列，输入肌肉疲劳度评估模型，得到当前参训人员当前时刻的肌肉疲劳度；获取和处理体征数据，对肌肉疲劳度和剔除了异常值的体征数据，进行归一化处理后，输入风险度评估模型进行风险度评估，得到当前参训人员的训练风险度评估结果。解决军事体能训练参训人员训练风险评估无法精确评估问题，为军事体能训练提供指导和决策支持，提高训练风险评估准确性和可操作性。

本发明授权一种基于深度学习的军事体能训练风险评估方法及系统在权利要求书中公布了：1.一种基于深度学习的军事体能训练风险评估方法，其特征在于，包括如下步骤： 获取当前参训人员的表面肌电信号并进行预处理，对预处理后的表面肌电信号分别进行时域、频域及时频域特征提取和CNN特征提取，对提取特征进行特征筛选组合，得到特征筛选组合后的特征序列； 基于特征筛选组合得到的特征序列，输入肌肉疲劳度评估模型，得到当前参训人员当前时刻的肌肉疲劳度； 获取和处理体征数据，对所述肌肉疲劳度和剔除了异常值的体征数据，进行归一化处理后，输入风险度评估模型进行风险度评估，得到当前参训人员的训练风险度评估结果； 获取表面肌电信号并进行预处理包括： 首先对所述表面肌电信号进行SG滤波； 对所述SG滤波后的所述表面肌电信号进行小波阈值去噪； 所述小波阈值去噪包括： 利用Symlets-2小波基函数对SG滤波后的表面肌电信号进行4层正交分解，以SG滤波后的表面肌电信号作为函数输入，计算各分解层上的小波系数； 对每一分解层的小波系数进行小波系数筛选处理，保留幅值较低的小波系数； 其中，利用下式进行小波系数筛选： 其中，为小波系数筛选值，表示小波系数，k为尺度j下的位置，为尺度为j下的阈值；j表示层数，表示该层的小波系数数组，N为SG滤波后表面肌电信号的数据长度； 基于保留的所述小波系数进行逆小波变换重构表面肌电信号，获得小波阈值去噪后的表面肌电信号； 所述对预处理后的表面肌电信号进行时域、频域及时频域特征提取和CNN特征提取包括： 基于小波阈值去噪后的表面肌电信号，采用滑动窗口进行数据分割得到数据分割后的表面肌信号； 基于数据分割后的表面肌电信号，提取时域特征集； 对所述数据分割后的表面肌电信号进行快速傅里叶变换，提取频域特征集； 使用db4基函数对所述数据分割后的表面肌电信号进行四层小波分解产生各层小波系数，提取时频域特征集； 对小波阈值去噪后的表面肌电信号作为CNN模型的输入，将CNN模型倒数第二层尺寸为16的Dense层输出的数据提取出来构成CNN特征集。

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北京京航计算通讯研究所，其通讯地址为：100074 北京市丰台区云岗北区西里1号院；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。