[發明專利]一種肌電手勢識別方法和系統

有效

• 申請號: 201710566320.7
• 申請日: 2017-07-12
• 公開（公告）號: CN107480697B
• 公開（公告）日: 2020-04-03
• 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: G06K9/62
• 分類號: G06K9/62;G06K9/00
• 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

1.一種肌電手勢識別方法，其特征在于包括：

步驟1、采集手勢的肌電信號，對該手勢肌電信號進行數據分割并分解為本征模函數分量；對該手勢肌電信號和該本征模函數分量提取細粒度特征，將該細粒度特征按手勢特征構建手勢特征集；使用該手勢特征集對肌電臂環上的佩戴位置預測模型進行訓練；

步驟2、使用該手勢特征集通過肌電臂環上的佩戴位置預測模型進行肌電臂環位置預測，得到該手勢肌電臂環位置預測結果；根據該預測結果，將該手勢特征集進行以標準空間表示的變換，生成標準空間表示的手勢特征集；將該標準空間表示的手勢特征集建立手勢識別模型，并采用隨機森林算法對該手勢識別模型進行訓練；其中，該標準空間為與肌電臂環佩戴位置無關的特征表示空間；

步驟3、采集當前時刻肌電信號，經數據分割、分解、細粒度特征提取后，構建當前時刻肌電信號的特征集，對該特征集進行以標準空間表示的變換，生成當前時刻標準空間表示的特征集，將該當前時刻標準空間表示的特征集通過手勢識別模型得到當前時刻手勢識別結果。

2.如權利要求1所述的肌電手勢識別方法，其特征在于，該手勢為手指運動手勢、手腕運動手勢，手掌運動手勢中的任一手勢。

3.如權利要求1所述的肌電手勢識別方法，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所述的肌電手勢識別方法，其特征在于，進行以標準空間表示的變換包括：

在得到該手勢肌電臂環位置預測結果L_i后，L_i∈[1,2,...,E_num+1)，將該手勢特征集EMG_i,j變換成標準空間表示的特征集EMG'_i,j：

其中E_num為肌電臂環的電極數目。

5.如權利要求1所述的肌電手勢識別方法，其特征在于，步驟3包括：

采集第i時刻肌電信號，對該肌電信號進行濾波、滑動窗分割、經驗模態分解、特征提取處理操作，按照基于標準空間表示的變換方法，將原始手勢特征集變換成標準空間表示的手勢特征集，生成第i時刻預測樣本，將該預測樣本輸入到分類回歸樹中，輸出第i時刻手勢識別概率向量P_i,j,n，按照公式得出第i時刻手勢識別結果；其中G_i為當前時刻手勢識別結果，G為手勢總數，N為分類回歸樹總數，i為時間參數，j、n為序數，G_i、G、N、j、n均為正整數。

6.一種肌電手勢識別系統，其特征在于，包括：

特征集構建模塊，用于根據手勢特征采集肌電信號，對該信號進行滑動窗口分割、基于經驗模態的本征模函數分解，并建立該手勢特征的訓練集和特征集；

基于標準空間的特征表示模塊，用于將該手勢特征的訓練集和特征集通過肌電臂環上的佩戴位置預測模型，并轉化為基于標準空間的特征表示；其中，該標準空間為與肌電臂環佩戴位置無關的特征表示空間；

手勢識別模塊，用于生成手勢識別模型，并利用該模型進行手勢識別。

7.如權利要求6所述的肌電手勢識別系統，其特征在于，特征構建模塊包括：

細粒度特征提取模塊，用于提取絕對平均值、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7項時域特征和頻率中位數、頻率平均數、修正頻率中值3項頻域特征。

8.如權利要求6所述的肌電手勢識別系統，其特征在于，基于標準空間的特征表示模塊包括：

標準空間表示模塊，用于根據肌電臂環的佩戴位置預測結果，將該手勢肌電信號特征集進行以標準空間表示的變換，生成標準空間表示的特征集。