[發(fā)明專利]一種基于高斯混合模型的肌電動作識別在線更新算法

有效

• 申請?zhí)枺?/td>: 201811327411.6
• 申請日: 2018-11-08
• 公開（公告）號: CN109359622B
• 公開（公告）日: 2021-07-09
• 發(fā)明（設(shè)計）人: 周升麗;尹奎英;阮婷
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué);中國電子科技集團公司第十四研究所
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 華金

1.一種基于高斯混合模型的肌電動作識別在線更新算法，其特征在于，包括以下步驟：

步驟一：模型初始化，包括以下子步驟：

子步驟一：設(shè)當前肌電控制系統(tǒng)動作類別總數(shù)為C，對于每種動作，其訓(xùn)練樣本的個數(shù)為M_c，高斯混合模型的高斯分量的個數(shù)為K，其中K≥1；

子步驟二：對于類別c,利用M_c組肌電信號特征對其對應(yīng)的高斯混合模型的參數(shù)進行估計，得到類別c高斯混合模型的初始化的結(jié)構(gòu)參數(shù)w_c,k，μ_c,k，∑_c,k，k＝1,..,K，其中c＝1,…,C，w_c,k是第c類中第k個高斯分量的權(quán)重且滿足條件μ_c,k是第c類中第k個高斯分量的均值，∑_c,k是第c類中第k個高斯分量的方差；

其中，當使用k-means算法進行參數(shù)估計時，參數(shù)計算方法如下：

N_c,k為類別c中第k個分量的樣本個數(shù)，且滿足Xi為屬于第c類中第k個高斯分量的第i個樣本；

步驟二：參數(shù)在線更新，包括以下子步驟：

子步驟一：對于已知屬于類別c的輸入肌電信號特征X，利用當前的高斯混合模型對其進行后驗概率計算，計算公式如(4)所示：

通過上述公式找出后驗概率最大的高斯分量；假設(shè)X是一個D維向量，則

其中c＝1,2…,C；

子步驟二：假設(shè)后驗概率最大的高斯分量為第c類中的第k個，則利用X對類別c的第k個高斯分量的結(jié)構(gòu)參數(shù)進行在線更新，包括以下步驟：

(1)假設(shè)當前類別c的訓(xùn)練樣本，即步驟一中的樣本，總數(shù)為M_c，其中第k個高斯分量的樣本總數(shù)為N_c,k，則第k個高斯分量的參數(shù)更新算法如下：

其中，μ_c,k'，Σ_c,k'和w_c,k'為更新后的均值、方差和權(quán)重，N_c,k表示步驟一中的類別c中的第k個高斯分量的樣本總數(shù)，表示新輸入的樣本X，X₁到分別表示步驟一中的類別c中的第k個高斯分量所包括的樣本；

在利用上述算法對類別c的結(jié)構(gòu)參數(shù)更新時，除第k個分量外，其他分量的均值和方差均不需要發(fā)生改變，權(quán)值w_c,j'按以下方式更新：

(2)其中當高斯分量的個數(shù)為1時，高斯混合模型退化為高斯分類器，此時，僅需要對類別c的均值和方差按下式進行更新：

其中，M_c，μ_c和Σ_c為類別c原始的樣本量、均值和方差，μ_c'和Σ_c'為更新后類別c的均值和方差，

步驟三：當參數(shù)更新完成后，輸入新的測試樣本，即新的多通道的表面肌電信號，完成肌電信號的模式識別，輸出此肌電信號所對應(yīng)的動作。