[發明專利]一種肌電臂環佩戴位置預測方法和系統

有效

• 申請號: 201710565772.3
• 申請日: 2017-07-12
• 公開（公告）號: CN107518896B
• 公開（公告）日: 2019-07-30
• 發明（設計）人: 陳益強;張迎偉;于漢超;楊曉東
• 申請（專利權）人: 中國科學院計算技術研究所
• 主分類號: A61B5/0488
• 分類號: A61B5/0488
• 代理公司: 北京律誠同業知識產權代理有限公司 11006
• 代理人: 祁建國;梁揮

1.一種肌電臂環佩戴位置預測方法，其特征在于，包括：

步驟1、旋轉肌電臂環于某一位置，以采集帶有該位置特征的肌電信號，將該肌電信號通過經驗模態分解算法分解為本征模函數分量，對該肌電信號及該本征模函數分量分別提取細粒度特征，組成位置預測訓練樣本，按位置特征組成位置預測訓練樣本集，使用該位置預測訓練樣本集利用隨機森林算法訓練肌電臂環上的位置預測模型；

步驟2、提取某一時刻i的肌電信號細粒度特征組成位置預測樣本F_i；

步驟3、將該位置預測樣本F_i輸入至肌電臂環上的位置預測模型以獲取該時刻i的位置預測概率向量L’_i；

步驟4、提取該時刻i之前的歷史時刻i-j的肌電信號細粒度特征組成位置預測樣本F_i-j,

步驟5、將該位置預測樣本F_i-j輸入至肌電臂環上的位置預測模型得到該歷史時刻i-j的位置預測概率向量L’_i-j，

步驟6、通過L’_i和L’_i-j得到佩戴位置概率向量，并選擇概率最大的位置作為位置預測結果，其中i、j、T為時間參數，j∈[1,2,...,T]，j為正整數。

2.如權利要求1所述的肌電臂環佩戴位置預測方法，其特征在于，步驟2前還包括預處理步驟：對某一時間內的肌電信號進行分割處理為多個大小相同的窗口，并將該窗口作為提取細粒度特征和位置預測的最小單位。

3.如權利要求1所述的肌電臂環佩戴位置預測方法，其特征在于，該細粒度特征包括：絕對平均值、第一修正絕對平均值、第二修正絕對平均值、平均絕對值偏差、均方根值、方差、波形長度共7項時域特征，和頻率中位數、頻率平均數、修正頻率中值共3項頻域特征。

4.如權利要求1所述的肌電臂環佩戴位置預測方法，其特征在于，步驟1包括：

步驟41，旋轉肌電臂環于某一位置以采集帶有該位置特征的肌電信號；

步驟42，對該肌電信號進行預處理，主要處理過程包括數據濾波和滑動窗分割；

步驟43，從預處理之后的該肌電信號中提取細粒度特征，組成位置預測訓練樣本；

步驟44，為各種位置預測樣本分別賦予對應的類別標號，由位置特征形成訓練數據集；

步驟45，使用該訓練數據集訓練位置預測模型，用平均識別準確率作為該位置預測模型的位置預測準確率。

5.如權利要求1所述的肌電臂環佩戴位置預測方法，其特征在于，步驟6包括：

位置預測概率向量為輸出第i時刻的佩戴位置預測結果其中k_j為加權系數。

6.一種肌電臂環佩戴位置預測系統，其特征在于，該系統包括：

提取細粒度特征模塊，用于將肌電信號分解為本征模函數分量，并對該肌電信號及該本征模函數分量分別提取時域、頻域特征組成位置預測訓練樣本；融合時序信息的佩戴位置預測模塊，用于通過肌電臂環采集當前時刻的肌電信號，融合當前時刻之前的歷史時刻位置預測概率向量，生成最終預測結果。

7.如權利要求6所述的肌電臂環佩戴位置預測系統，其特征在于，該提取細粒度特征模塊包括：

分解模塊，用于將采集到的肌電信號進行分解，并得到該肌電信號的本征模函數分量；

提取模塊，用于對該肌電信號和該本征模函數分量進行細粒度特征提取，并將提取到的細粒度特征組成位置預測訓練樣本。

8.如權利要求6所述的肌電臂環佩戴位置預測系統，其特征在于，該融合時序信息的佩戴位置預測模塊包括：

模型離線訓練模塊，用于采集帶有位置特征肌電信號，經預處理得到位置預測訓練樣本集后，對位置預測模型進行訓練；

在線位置預測模塊，用于采集當前時刻肌電信號，經預處理得到位置預測樣本后，通過位置預測模型輸出當前時刻佩戴位置結果。