[發(fā)明專利]極限學(xué)習(xí)機(jī)-隱馬爾科夫模型的手勢(shì)肌電信號(hào)識(shí)別方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201810552241.5
• 申請(qǐng)日: 2018-05-31
• 公開(kāi)（公告）號(hào): CN108776783A
• 公開(kāi)（公告）日: 2018-11-09
• 發(fā)明（設(shè)計(jì)）人: 郭敏;馬欣欣;肖冰
• 申請(qǐng)（專利權(quán)）人: 陜西師范大學(xué)
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/62;G06K9/66
• 代理公司: 西安永生專利代理有限責(zé)任公司 61201
• 代理人: 申忠才

一種極限學(xué)習(xí)機(jī)?隱馬爾科夫模型的手勢(shì)肌電信號(hào)識(shí)別方法，由采集到的手勢(shì)肌電信號(hào)進(jìn)行分幀預(yù)處理、分解幀信號(hào)、提取時(shí)域特征、分類器識(shí)別信號(hào)組成。由于本發(fā)明采用了極限學(xué)習(xí)機(jī)對(duì)當(dāng)前時(shí)刻特征進(jìn)行分類得到識(shí)別結(jié)果的特性，隱馬爾科夫模型分析時(shí)間序列的信號(hào)，具備時(shí)序建模的特點(diǎn)。本發(fā)明具有訓(xùn)練速度快、泛化能力強(qiáng)、識(shí)別率高等優(yōu)點(diǎn)，可用于手勢(shì)肌電信號(hào)的分類。

技術(shù)領(lǐng)域

本發(fā)明屬于肌電信號(hào)特征提取和模式識(shí)別技術(shù)領(lǐng)域，具體涉及到手勢(shì)肌電信號(hào)的識(shí)別。

背景技術(shù)

肌電信號(hào)是一種非平穩(wěn)的微弱信號(hào)，隨機(jī)性較強(qiáng)。目前，肌電信號(hào)主要應(yīng)用于生物醫(yī)學(xué)、運(yùn)動(dòng)醫(yī)學(xué)、臨床醫(yī)學(xué)和康復(fù)工程，特別是在人工智能假肢方面受到科研人員的重視，肌電信號(hào)已成為控制機(jī)器人的理想信號(hào)。

王西穎提出一種基于隱馬爾科夫模型-模糊神經(jīng)網(wǎng)絡(luò)的動(dòng)態(tài)視頻手勢(shì)建模與識(shí)別方法。首先將動(dòng)態(tài)手勢(shì)分解為手形變化、2D平面運(yùn)動(dòng)和Z軸方向運(yùn)動(dòng)3部分；然后提取3組特征值序列；最后將提取到的特征值送入基于隱馬爾科夫模型-模糊神經(jīng)網(wǎng)絡(luò)達(dá)到分類識(shí)別的目的。李芳提出一種基于隱馬爾科夫模型-徑向基神經(jīng)網(wǎng)絡(luò)混合模型的表面肌電信號(hào)識(shí)別方法，探索控制哈爾濱工業(yè)大學(xué)研制的多自由度靈巧手的有效控制策略。論文采用小波變換對(duì)7類手指動(dòng)作提取特征向量，并送入隱馬爾科夫模型-徑向基神經(jīng)網(wǎng)絡(luò)混合模型進(jìn)行訓(xùn)練和學(xué)習(xí)，達(dá)到識(shí)別手勢(shì)的目的。

上述方法對(duì)手勢(shì)信號(hào)識(shí)別時(shí)速度緩慢，易出現(xiàn)過(guò)度訓(xùn)練，引起泛化性能下降。

發(fā)明內(nèi)容

本發(fā)明所要解決的主要技術(shù)問(wèn)題在于克服上述已有技術(shù)的不足，提供一種訓(xùn)練速度快、識(shí)別率高、泛化能力強(qiáng)的極限學(xué)習(xí)機(jī)-隱馬爾科夫模型的手勢(shì)肌電信號(hào)識(shí)別方法。

解決上述技術(shù)問(wèn)題所采用的技術(shù)方案由下述步驟組成：

(1)對(duì)采集到的手勢(shì)肌電信號(hào)進(jìn)行分幀預(yù)處理

從UCI數(shù)據(jù)庫(kù)中提取手勢(shì)肌電信號(hào)手勢(shì)數(shù)據(jù)集，按下式進(jìn)行分幀預(yù)處理：

式(1)中N_x為信號(hào)總長(zhǎng)度，N₀為相鄰的兩幀間的重疊長(zhǎng)度，N_f為一幀的長(zhǎng)度，N_frames至少為5，得到不同的經(jīng)分幀預(yù)處理后的幀信號(hào)。

(2)分解幀信號(hào)

將各幀信號(hào)進(jìn)行總體經(jīng)驗(yàn)?zāi)B(tài)分解，每個(gè)幀信號(hào)得到10個(gè)固有模態(tài)函數(shù)，分解幀信號(hào)的方法如下：

1)將不同標(biāo)準(zhǔn)差的高斯白噪聲添加到幀信號(hào)中，得到一個(gè)信號(hào)x_i：

x_i＝x+ω_i (2)

式(2)中ω_i為高斯白噪聲，ω_i中的標(biāo)準(zhǔn)差為0.01～0.4，i為有限的正整數(shù)，x為幀信號(hào)如下：

式(3)中C_k為固有模態(tài)函數(shù)分量，r為殘余分量，K取10。

2)對(duì)信號(hào)x_i作經(jīng)驗(yàn)?zāi)B(tài)分解，得到固有模態(tài)函數(shù)分量為C_k,i，其中k是分解尺度為有限的正整數(shù)。

3)再次加入高斯白噪聲ω_i，重復(fù)步驟1)、2)，直到完成I次分解，I為分解次數(shù)，取值為5～20。

4)將每次得到的固有模態(tài)函數(shù)作平均運(yùn)算，得到總體經(jīng)驗(yàn)?zāi)B(tài)分解的固有模態(tài)函數(shù)分量如下：

(3)提取時(shí)域特征

提取幀信號(hào)經(jīng)步驟(2)得到的前3階固有模態(tài)函數(shù)的均方根、平均幅值和標(biāo)準(zhǔn)差時(shí)域特征值，均方根為：