欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2019109124731
申请人: 南京邮电大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.基于置信度得分模型的深度学习手势肌电信号识别方法,其特征在于:包含以下步骤:步骤1:肌电数据获取;采用电极设备获取原始肌电信号,采集的肌电原始数据,并进行预处理,包括带通滤波与异常点去除;预处理之后的肌电信号使用标签分别标注类别,然后每一个类别通过滑动窗口分割为多段数据;接着,将数据划分为训练与测试数据,将训练与测试数据分别随机排序;最后对所有数据进行归一化操作;

步骤2:频谱变换;预处理之后的肌电数据使用离散傅里叶变换转换为频谱数据,频谱变换过程中需要汉明窗口平滑,依据频谱计算出每个频率的能量,不同频率能量组成序列作为分类模型的输入;

步骤2中,频谱变换通过离散傅里叶变换进行,如公式(1)所示,对于N点序列{x[n]},0≤n<N,有:其中e是自然对数的底数,i是虚数单位;

计算频谱变换后每个频率的能量值得到能量谱图,取能量谱图中对应肌电信号数值较为集中的频率范围的数值,作为特征点;

步骤3:模型训练;使用卷积神经网络模型与残差网络模型两种分类方法,原始肌电数据与频谱数据两种数据集,一共4种组合构成4个分类模型,模型分别单独进行训练;训练过程使用交叉验证方法防止过拟合;

步骤4:模型组合;获取各个模型对手势的识别结果,使用置信度得分组合各个不同模型的结果,置信度总评分最高的为最终结果。

2.根据权利要求1所述的基于置信度得分模型的深度学习手势肌电信号识别方法,其特征在于:步骤1中,获取原始肌电信号的电极设备为贴片电极共12个,电极通过导线连接到信号采集设备,贴片电极位于手臂处或者手腕处,采样频率采用高于2000Hz的高频采样方式。

3.根据权利要求1所述的基于置信度得分模型的深度学习手势肌电信号识别方法,其特征在于:步骤1中,滑动窗口分割中,具体为分割为100ms至300ms之间大小的信号,并且有

20ms长度的滑动步长,分割的信号不大于300ms。

4.根据权利要求1所述的基于置信度得分模型的深度学习手势肌电信号识别方法,其特征在于:步骤3中,训练模型使用的代价函数是交叉熵,如公式(2)所示:其中,C表示代价,x表示样本,y表示实际值,a表示输出值,n表示样本的总数;

代价函数的值模型学习的依据,模型根据代价使用反向传播方法学习,反向传播如(3)所示:其中, 表示第l层的第j个神经元的输出, 表示第l‑1层的第k个神经元连接到第l层的第j个神经元的权重 表示第l层的第j个神经元的偏置,σ表示激活函数;

使用交叉熵代价与反向传播方法训练得到的模型,能够预测肌电数据对应的手势。

5.根据权利要求1所述的基于置信度得分模型的深度学习手势肌电信号识别方法,其特征在于:步骤4中,置信度得分方法是对所有分类器的结果进行平权相加,最终结果由每个手势的得 分决定,具体步骤如下:步骤4‑1,在一个分类任务中,用模型预测单一肌电信号,将产生一个手势和对应的置信度得分;假设总共N个肌电信号,那么将产生N个手势与对应的置信度得分;

步骤4‑2,假设一共有M个模型参与分类任务,对于单一肌电信号,将会有M个手势与置信度得分,将手势相同的置信度得分相加;置信度得分最高的那一个手势,将作为单一肌电信号的最终手势;

步骤4‑3,对分类任务的N个肌电信号重复步骤4‑2的方法,将会得到所有N个肌电信号的最终手势。