- 综合排序
- 最热优先
- 最新优先
- 来自专栏专业duilib使用+业余界面开发
关于uint8_t、uint_least8_t、uiuint_fast8_t等说明
t、int16_t、int32_t、int64_t、uint8_t、uint16_t、uint32_t、uint64_t int_least8_t、int_least16_t、int_least32_t 、int_least64_t、uint_least8_t、uint_least16_t、uint_least32_t、uint_least64_t int_fast8_t、int_fast16_t、int_fast32 _t、int_fast64_t、uint_fast8_t、uint_fast16_t、uint_fast32_t、uint_fast64_t; intmax_t、uintmax_t等。 可以看到这些是定义在stdint.h里面的，这里把他摘抄出来，方便低版本编译器对照使用 typedef signed char int8_t; typedef short typedef int int32_t; typedef long long int64_t; typedef unsigned char uint8_
2.1K20发布于 2019-07-02 - 来自专栏BCI脑机接口
基于EEG-EMG混合控制方法的研究—生物机器人应用：现状、挑战与未来方向（一）
尽管肌电图（EMG）信号仍然存在一些挑战，但利用EMG信号控制此类生物机器人应用的进展是巨大的。 基于肌电的方法不能用作输入，例如，上肢完全瘫痪的人可能无法使用外骨骼等设备，因为很难从瘫痪肢体的肌肉获取控制信号。 在轮椅、假肢、外骨骼等应用中可以找到实现基于EEG信号的接口的各种尝试。 悄悄插播一条小广告 ” BCIduino 8通道脑电放大器具体参数如下： 输入阻抗：1TΩ 输入偏置电流：300pA 输入参考噪声：1μVpp 采样速率：250 Hz/500Hz 共模抑制比 ：-110dB 可调增益放大倍数：1、2、4、6、8、12、24 分辨率：24 位 ADC，精度最高可达 0.1μV 功耗：正常工作时 39mW，待机时低至仅 10μW 采用可充电锂电池供电，进一步降低来自外部的干扰
81810发布于 2020-12-22 - 来自专栏blog(为什么会重名，真的醉了)
任意进制转换(2进制、8进制、16进制等)
C ---- 格式 进制 %d 10进制 %o 8进制 %x 16进制(小写) %X 16进制(大写) 虽然没有二进制，但可以直接读写8和16进制。 printf("%o\n\n", y); scanf("%o", &x);//x从8进制转换为16进制存进y sprintf(s, "%x", x); sscanf(s, "% C++ ---- c++的与c类似，也可以直接读写8进制和16进制。 n\n";//8转16 cin >> hex >> x; cout << dec << x;//16转10 return 0; } ? "; cout << trans("13541913", 10, 8) << "\n"; cout << trans("a6b8c9def", 16, 8) << "\n"; cout
4K50发布于 2020-09-15 - 来自专栏BCI脑机接口
基于EEG-EMG混合控制方法的研究—生物机器人应用：现状、挑战与未来方向（二)
02 基于肌电图的混合控制方法综述 基于EEG-EMG的混合控制接口的基本思想是在控制方法中融合EEG和EMG信号，信号的融合可以以许多不同的方式进行，并且可能取决于特定应用和用户能力等因素。 在设计的框架中，EEG和EMG信号没有直接结合。 一些研究小组已经提出将脑电图和肌电信号整合在控制方法中，用于生物机器人的外骨骼等应用。 除了上述方法外，很少有文献提出BCIs中混合传感器融合的概念设计，在这些设计中，不仅要结合EEG和EMG信号，还要结合其他输入，如简单开关和运动传感器的信号，以提高信息传输速率、可用性和可靠性等。 本研究的主要目的是评估使用肌电图（EMG）和来自EEG信号的P300特征来控制辅助技术软件的混合BCI接口。用8个脑电通道（按10-20系统）和2个肌电电极分别测量EEG和EMG信号。 悄悄插播一条小广告 ” 图1.png 插播图2.PNG image.png BCIduino 8通道脑电放大器具体参数如下： 输入阻抗：1TΩ 输入偏置电流：300pA 输入参考噪声：1μVpp 采样速率
1.3K30发布于 2020-12-23 - 来自专栏云深之无迹
Nature 新作：用神经网络去除可穿戴设备运动伪迹（徐升课题组新作）
见 Fig. 3a（Page 5） 作者做了： 采集纯手势信号 19 种前臂手势，对应六轴 IMU；姿势包括：向上/下、向左/右、旋转 wrist 等（Fig. 2a，Page 4）。 LSM6DS3（ST） 3 轴加速度计（电容式 MEMS，采用双电容板+质量块结构） 3 轴陀螺仪（测角速度，重力不影响其 baseline） 电路连接： IMU 电源端：0.1 µF 去耦电容（C2 等） I²C 线（SCL/SDA）：10 kΩ 上拉电阻到 3 V（R9 等），所有参数按 LSM6DS3 datasheet 推荐值设计 信号特性： 加速度信号同时包含： 前臂手势信号；重力分量（姿态改变 →baseline 变化）；外界运动伪迹（跑步、震动、海浪等）；陀螺仪基线不受重力影响，只对角速度敏感（Supplementary Fig.8） IMU→MCU 接口： nRF51822 通过 I²C 数字滤波： 高通：模拟上已经用 8 Hz 左右的高通去掉 DC 数字带通：30–200 Hz（保留主要 EMG 能量带） Notch：60 Hz 抑制电源噪声 Supplementary Fig.10
22710编辑于 2026-01-07 - 来自专栏机器之心
虚空射箭、隔空打字、智能点击，Facebook智能腕带实现全新「脑控」方式
一种原型是「Bellowband」，设有 8 个气动波纹管，可以控制波纹管中的空气，将其转译为有趣的压力和震动触觉反馈。 Facebook 坚称，虽然 EMG 腕带能读取神经信号，但这与读心术不同。 但 CTRL-Labs 仍然将这项技术描述为脑机接口，但它与埃隆 · 马斯克的 Neuralink 等技术形成了鲜明对比，后者通过植入物直接从大脑读取神经活动。 这可能包括打字模式的细微变化、身体整体紧张程度等。Facebook 现实实验室指出，他们有一个神经伦理计划，用来研究 AR 和神经接口技术的隐私、安全和安全影响等问题。 与大多数可穿戴技术一样，EMG 腕带提供了一个密切的视角来观察我们的身体是如何运动的——虽然没那么恐怖，这听起来像 EMG 腕带能读懂你的想法，但它仍然需要很多信任。
65020发布于 2021-03-30 MATLAB表面肌电信号(sEMG)处理程序
数据预处理 processed_emg = preprocess_emg(emg_data, params); % 3. , 1), num_gestures);endfunction processed_emg = preprocess_emg(emg_data, params) % EMG信号预处理 num_windows = floor((sample_length - window_size) / (window_size - overlap)) + 1; num_features = 8; % 我们提取8种特征 features = zeros(num_samples, num_windows, num_features); for i = 1:num_samples features(i, w, 7) = approximate_entropy(2, 0.2*std(window), window); % 近似熵 features(i, w, 8)
58400编辑于 2025-09-16- 来自专栏新智元
Meta公布黑科技：戴上腕带即可隔空打字，引领神经接口AR革命
Orion AR眼镜 meta推出的肌电图腕带 戴上这样一个腕带，你让双手舒适地放在身侧，同时进行鼠标的滑动、点击和滚动等操作，无缝控制数字内容。 emg2pose姿态估计：可完全预测用户的手部配置 另一个名为emg2pose的数据集，旨在解决肌电信号与手部运动之间的映射问题，这对于人机交互、康复工程和虚拟现实等领域具有重要意义。 该数据集包含来自193名参与者的370小时sEMG和手部姿态数据，从29个不同的行为组中采集，包括拳头、从一数到五等众多动作。 数据集包含25253个HDF5文件，合计达到431GB。 此外，数据集包含详细的元数据，如用户ID、会话、阶段、手部侧向、是否移动等，便于进行多样化的分析和实验。 在不同采集阶段及不同用户间，基于vemg2pose预测的泛化能力 emg2pose不仅提升了动作识别的准确性，还为手势控制、康复治疗等有潜在的应用可能。
43800编辑于 2025-02-15 - 来自专栏数说工作室
【SAS Says】基础篇：8. 相关、回归等初步统计
做简单回归分析 8.6 读取proc reg的输出 8.7 用proc anova做方差分析 8.8 读取proc anova的输出 8.9 统计分析的图形界面 ---- 【SAS Says】基础篇：8. 相关、回归等初步统计 8.1 用PROC UNIVARIATE检验数据分布 PROC UNIVARIATE是Base SASsoftware的一部分，产生统计量以描述单个变量的分布。 结果将在8中讨论： 8.8 读取proc anova的输出 Procanova的输出至少有两个部分，首先打印出有一个表，给出分类变量的信息：水平数、变量值、观测值数。再次打印出变量表的分析。
2.5K60发布于 2018-04-04 - 来自专栏公众号：程序员白楠楠
Java8 快速实现List转map 、分组、过滤等操作
利用java8新特性，可以用简洁高效的代码来实现一些数据处理。
3K50发布于 2020-12-09 - 来自专栏Shimmer3
基于 Shimmer3 EMG 的五指机械手控制系统设计与实现
作者：科采通 标签：Shimmer3、肌电控制、MATLAB、Arduino、机器人手、EMG一、项目背景肌电图（EMG）作为一种能够反映人体肌肉活动的生理信号，广泛应用于假肢控制、人机交互、康复工程等领域 本文以 Shimmer3 EMG 模块 为基础，搭建一个完整的系统，使机械手能够模仿用户的手指动作。 实时图形界面：在 MATLAB 或 Python 中构建 GUI，实时显示 EMG 信号与动作响应。 虚拟现实接口：将识别动作映射至 VR 手势，实现沉浸式交互。 七、总结Shimmer3 EMG 模块在稳定性与信噪比方面表现出色，结合 MATLAB 与 Arduino 可快速实现基于肌电的控制系统。 本文提供了一套完整的软硬件流程，适合初学者入门 EMG 控制技术，也为科研开发者提供了一个可拓展的基础架构。如需获取完整代码或多通道支持，欢迎评论区留言交流，后续将发布系列教程。
36900编辑于 2025-06-24 - 来自专栏Java学习网
Java8 快速实现List转map 、分组、过滤等操作
利用java8新特性，可以用简洁高效的代码来实现一些数据处理。
1.6K20发布于 2020-12-08 - 来自专栏c++ 学习分享
【CStdioFile扩展（支持Ansi、Unicode、Utf-8等文本格式）】
. // - Should handle UTF8 properly. // // Copyright David Pritchard 2003-2005. davidpritchard defined(AFX_STDIOFILEEX_H__41AFE3CA_25E0_482F_8B00_C40775BCDB81__INCLUDED_) #define AFX_STDIOFILEEX_H __41AFE3CA_25E0_482F_8B00_C40775BCDB81__INCLUDED_ #if _MSC_VER > 1000 #pragma once #endif // _MSC_VER nCharsWritten = MultiByteToWideChar((UINT)nCodePage, (nCodePage == CP_UTF8 ? NULL : sDEFAULT_UNICODE_FILLER_CHAR), // Filler char (nCodePage == CP_UTF8 ?
68720编辑于 2023-07-08 - 来自专栏biosignalsplux
用 BITalino 可视化生理信号并玩肌电控制版 Pong 游戏
生理信号（如心电图 ECG、肌电图 EMG、皮肤电 EDA 等）长期用于医疗、康复、心理研究等专业领域，但通过像 BITalino 这样的开源平台，它们正变得越来越亲民，进入创客空间、课堂乃至游戏开发者手中 本篇文章将结合一个非常有趣的案例： 我们将使用 BITalino 采集肌电信号（EMG），控制经典 Pong 游戏中的球拍移动；同时也会讲解如何通过 Processing 将包括心电、肌电等多种信号实时图形化 项目说明本项目将通过 EMG 传感器读取肌肉电信号，当你用力握拳时，信号上升，从而控制 Pong 球拍向上或向下移动。无需按键，全靠肌肉动作！2. 核心逻辑java复制编辑// EMG 值阈值控制球拍上下移动int emgThreshold = 500;void draw() { ... 五、拓展建议 使用 两个 EMG 通道 实现“左右肌群”分别控制上下移动。 替换为 心跳（ECG）触发事件，做出冥想小游戏。
27710编辑于 2025-06-25 - 来自专栏Shimmer3
Shimmer3 在多领域生理信号监测的创新应用与案例分析
作为全球知名的可穿戴传感平台，Shimmer3 凭借其模块化设计与科研级信号采集性能，广泛应用于心理学、生物医学工程、运动科学与人机交互等领域。 结合 iMotions 等软件，支持多通道同步与实时分析，常用于： 应激反应与压力测试实验 情绪唤醒与认知负荷研究 生物反馈与心理干预训练 案例：某高校采用 Shimmer3 GSR+ 监测受试者在 三、运动科学与康复训练Shimmer3 IMU（惯性测量单元）与EMG（肌电）模块组合，为运动姿态分析、肌肉状态监测与疲劳评估提供了可靠方案。 五、技术优势总结优势说明多模块自由组合ECG、EMG、GSR+、IMU 等传感器模块可按需配置无线+本地双数据采集方案支持蓝牙实时传输与8GB本地存储兼容多科研软件与开发平台MATLAB、LabVIEW 关键词：Shimmer3、可穿戴传感器、生理信号监测、NeuroLynQ、iMotions、神经营销、康复训练、消费者行为、GSR、ECG、EMG、IMU
27900编辑于 2025-07-16 - 来自专栏小明说Java
如何利用Java8分组求和及排序等操作
一、背景在Java 8中，Stream API为开发者提供了一种高效且声明性的方式来处理数据集合，在实际开发中也是经常使用。 其中，Collectors类提供了丰富的收集器（Collector）用于完成各种终端操作，如分组（groupingBy）、求和（summingInt）等。 Collectors.summingInt(FlowAdAccountAmountHistory::getBalance))); // 对每个组的balance进行求和五、总结通过Java 8的 这些操作都体现了Java 8函数式编程的简洁和高效。在实际开发中，根据业务需求选择合适的收集器和排序方式，能够大大提高代码的可读性和可维护性。
2.2K20编辑于 2024-06-17 - 来自专栏腾讯开源的专栏
Docker，K8s，Istio等开源技术文章撰写指南
https://github.com/Tencent 欢迎提出你的 issue 和 PR！ 国内镜像地址： https://git.code.tencent.com/Tencent_Open_Source （登录后才能访问公开项目） 腾讯工蜂源码系统为开源开发者提供完整、最新的腾讯开源项目国内镜像
38920发布于 2020-11-06 - 来自专栏MoeLove
K8S 生态周报| Cilium 新版本 IngressServiceMeshMultiCluster 等特性
“「K8S 生态周报」内容主要包含我所接触到的 K8S 生态相关的每周值得推荐的一些信息。欢迎订阅知乎专栏「k8s生态」[1]。 ” 大家好，我是张晋涛。 其中带来了非常重要的特性： Wireguard 模式，Wireguard 我在这里就不再介绍了，强烈推荐大家去了解下它； 路由表模式，这允许进行配置一些额外的路由技术，比如 ECMP 等。 Service Mesh 功能，提供多控制面，Envoy CRD 等实现，并且利用其 eBPF 能力的加持，提供了无 sidecar 模式的 服务网格能力。 ---- 参考资料 [1]k8s生态: https://zhuanlan.zhihu.com/container
59730编辑于 2022-12-07 - 来自专栏脑机接口
瘫痪病人肌肉运动意图也能产生相应控制信号
卡内基梅隆大学机械工程系和神经科学研究所的教授Doug Weber与一个国际研究小组合作，探索利用肌电信号（EMG）来预测四肢瘫痪者的预期手势的可能性。 实验设计 实验自主开发了一种袖阵列来记录前臂肌肉的EMG，受试在14年前遭受了脊髓损伤，他在实验中将接受要求尝试弯曲和伸展手指的命令，但其无法做出任何实质动作，检测此时前臂肌肉EMG，并将其分解为单个活动运动单元的活动 ，检测到的EMG信号中当受试尝试伸展手指时其EMG较随意伸展腕关节时弱。 各种各样的伤害都可能导致瘫痪或丧失运动能力，如中风、脊髓损伤等，有些直接伤害大脑控制中枢，有些损伤信号传输通路。 传统的理解是，脊髓损伤切断了连接，而信号永远无法到达肌肉，因此人们认为四肢瘫痪的人将无法产生可检测到的EMG。
35620编辑于 2022-09-22 - 来自专栏biosignalsplux
BITalino 在个体生理状态监测中的应用探索 —— 多通道生物反馈信号记录案例分析
BITalino 是一个集成度高、价格亲民的生物信号采集平台，支持多通道信号同步采集，包含： 脑电图（EEG） 皮肤电（EDA） 心电图（ECG / EKG） 肌电图（EMG） 本文以一位用户的实际应用案例为参考 硬件概述 设备名称：BITalino (r)evolution 连接方式：蓝牙（可被串口绑定为虚拟串口） 采样频率：最高 1000 Hz（具体取决于配置） 传感器支持： EEG：脑电（T3/T4 等部位 ） EDA：皮肤电阻/电导 ECG：心律、心率变异性分析 EMG：肌肉活动检测 三、传感器佩戴与数据采集方式类型传感器位置用途EEG颞叶（T3/T4），参比电极置于耳后检测听觉通路活动、Gamma 波动EDA手腕内侧记录皮肤电变化，反映情绪/应激反应ECG胸前三角分布记录心律、HRV 等心脏活动指标EMG上臂二头肌或太阳神经丛检测肌肉活动异常 ⚠️ 说明：实际应用中应遵守传感器使用规范，清洁皮肤 分钟记录的前 10 分钟波形图，包括： EEG（通道 A1）出现异常高频伽马波（Gamma：480~530Hz） EDA（A2）显示快速剧烈的电导峰值波动 ECG（A3）心率节律正常但偶有心率突升 EMG
26310编辑于 2025-06-25
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号