[發明專利]一種消除生理震顫的四元數寬度學習濾波方法

有效

• 申請號: 201810983176.1
• 申請日: 2018-08-27
• 公開（公告）號: CN109308521B
• 公開（公告）日: 2022-03-25
• 發明（設計）人: 劉治;林佳泰;伍鴻輝;章云
• 申請（專利權）人: 廣東工業大學
• 主分類號: G06N3/08
• 分類號: G06N3/08;G06N20/00
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

本發明涉及機器學習領域，提供了一種消除生理震顫的四元數寬度學習濾波方法，包括以下步驟：首先進行數據預處理，把三維的數據轉化到四元數域，提取出訓練樣本；接著利用訓練樣本映射獲得多組特征節點，利用所有的特征節點映射增量節點，以及節點層權連接得到輸出即震顫估計值，本發明與現有技術相比，優點在于：第一，多維度數據中不同維度之間的關系，相比單維度的濾波器孤立地處理各個維度的數據，本發明能夠更好利用好維度之間的關系，對四元數的數據更加有針對性；第二，相比現有的四元數濾波器，本發明有更加優秀的性能更加高的精度。

技術領域

本發明涉及機器學習領域，更具體的，涉及一種消除生理震顫的四元數寬度學習濾波方法。

背景技術

隨著科學技術的發展，操作員的操作和感知功能通過遙操作系統可以被擴展到一個遠程位置。通過一個用戶控制臺，它可以促進非現場機器人性能的理想任務，確保成本效益、安全性和可及性。從技術上來講，控制信號的精度對于完成遙操作任務是至關重要的。然而，遙操作機器人系統的控制系統一般都會被操著者的生理震顫所干擾。

目前，關于消除生理震顫的濾波器的研究已經出現了不少成果。在自適應濾波器技術方面，帶寬有限的多重傅里葉線性變化變化以及加權傅里葉線性變化被經常用來估計這個生理震顫運動。這兩種方法是基于傅里葉變化的，并且是帶有時延。更有有限帶寬傅里葉變化、最小二乘法支持向量機方法還有自回歸等方法被提出來去執行對手顫抖的多步預測，以解決未知的問題已知的相位延遲。此外,自適應模糊小波神經網絡過濾器和基于時間序列的模糊支持向量機提出了消除微創手術操作者的生理震顫。然而,所有這些都考慮了感知運動的數據三維作為三個獨立的信號。來完成三維地震估算，單維自適應濾波方法必須分別適用于所有三個軸不同維度之間的關系。

發明內容

為了解決現有技術中單維自適應濾波方法不能適用于所有三個軸不同維度之間的關系的不足，本發明提供了一種除生理震顫的四元數寬度學習濾波方法。

為實現以上發明目的，采用的技術方案是：

一種消除生理震顫的四元數寬度學習濾波方法，該方法的基本網絡架構是四元數的寬度學習神經網絡系統，它是由一維的寬度學習系統拓展到四元數領域；利用四元數映射先由訓練輸入數據映射出特征節點由特征節點映射增量節點，最后再由特征節點和增量節點共同組成節點層權連接來獲得輸出；具體包括以下步驟：

步驟1：數據預處理，先通過以下規則把三維的數據轉化到四元數域提取出訓練樣本，即：

q＝(cos(φ)cos(ψ)cos(θ)+sin(φ)sin(ψ)sin(θ)

+i(sin(φ)cos(ψ)cos(θ)-cos(φ)sin(ψ)sin(θ))

+j(cos(φ)cos(ψ)sin(θ)-sin(φ)sin(ψ)sin(θ))

+k(cos(φ)sin(ψ)cos(θ)+sin(φ)cos(ψ)sin(θ)))

式中φ,ψ,θ分別是角度信號的三個維度的數據，而q為轉化后獲得的四元數其中i,j,k表示四元數三個維度的虛部，sin和cos都分別是正弦函數和余弦函數；通過轉化可以把三維度的角度時間序列轉化為四元數的時間序列。利用窗口從四元數時間序列中提取出訓練樣本；

步驟2：利用訓練樣本映射獲得多組特征節點，表達式為：

式中X表示輸入，它也屬于四元數，W_ei β_ei Z_ei分別表示第ei組特征映射的權值、閾值以及映射得到的特征節點，其中特征節點映射過程的權值以及閾值通過四元數自編碼器訓練更新，而φ為四元數神經網絡映射函數它的表達式為：