[發(fā)明專利]基于遺傳算法廣義典型相關(guān)分析的肌電信號(hào)特征融合方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811606327.8
• 申請(qǐng)日: 2018-12-26
• 公開（公告）號(hào): CN109558911A
• 公開（公告）日: 2019-04-02
• 發(fā)明（設(shè)計(jì)）人: 席旭剛;湯敏彥;姜文俊;石鵬;袁長敏;章燕;楊晨;佘青山;羅志增
• 申請(qǐng)（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 朱月芬

1.基于遺傳算法廣義典型相關(guān)分析的肌電信號(hào)特征融合方法，其特征在于該方法包括如下步驟：

步驟(1).在人體做日常行為動(dòng)作時(shí)采集人體腓腸肌、脛骨前肌、股內(nèi)肌、股外肌共四路肌電信號(hào)，獲取四路肌電信號(hào)的平均幅值MA，威爾遜振幅WAMP，模糊熵FE，小波能量系數(shù)EWT，由4路肌電信號(hào)各4個(gè)特征組成16維特征向量；在標(biāo)準(zhǔn)動(dòng)作時(shí)提取16維標(biāo)準(zhǔn)樣本特征向量X，訓(xùn)練時(shí)提取訓(xùn)練樣本特征向量Y；

步驟(2).設(shè)和分別表示標(biāo)準(zhǔn)樣本特征向量X和訓(xùn)練樣本特征向量Y的類內(nèi)離散度矩陣；

其中，x_ij∈X,y_ij∈Y是i類的第j個(gè)訓(xùn)練樣本，N為該類的總訓(xùn)練樣本數(shù)，C為總類數(shù)，是類i的樣本平均向量；X與Y的類間離散矩陣為：

由于要使類間距離最大，類內(nèi)距離最小，因此通過標(biāo)準(zhǔn)樣本特征向量X和訓(xùn)練樣本特征向量Y構(gòu)造廣義典型相關(guān)判別準(zhǔn)則J(x,y)，公式如下：

求得使J(x,y)最大化的廣義正則投影向量u和v；

步驟(3).根據(jù)廣義正則投影向量u和v獲取組合特征廣義正則判別向量X^*，Y^*

從組合特征廣義正則判別向量X^*，Y^*獲取特征向量W₁，W₂，計(jì)算如下：

步驟(4).通過遺傳算法GA對(duì)廣義正則投影向量GCPV擇優(yōu)選取，得到新的GCPV將原特征投影到新空間，成為結(jié)合遺傳算法的GCCA(GA-GCCA)；通過GA對(duì)廣義正則投影向量GCPV擇優(yōu)選取后，并通過動(dòng)態(tài)加權(quán)方式，將原特征通過新得到的GCPV投影到新平面上，獲得最終融合的肌電信號(hào)特征向量S；遺傳算法如下：

1)編碼；采用二進(jìn)制編碼方法，二進(jìn)制碼的每一位的值，“0”表示特征未被選中，“1”表示特征被選中；

2)初始群體的生成；隨機(jī)產(chǎn)生N個(gè)初始串構(gòu)成初始種群；

3)適應(yīng)度函數(shù)；

4)將適應(yīng)度最大的個(gè)體，即種群中最好的個(gè)體無條件地復(fù)制到下一代新種群中，然后對(duì)父代種群進(jìn)行選擇、交叉和變異等遺傳算子運(yùn)算，從而繁殖出下一代新種群其它n-1個(gè)基因串；

5)如果達(dá)到設(shè)定的繁衍代數(shù)，返回最好的基因串，并將其作為特征選取的依據(jù)，算法結(jié)束；否則，回到4)繼續(xù)下一代的繁衍；

所述動(dòng)態(tài)加權(quán)方式如下：

W_i＝accu_i-accu_min+W_min

其中accu_i和W_i分別是第i個(gè)特征集合的識(shí)別率和權(quán)重；accu_min和W_min分別是識(shí)別率最低的特征集的識(shí)別率和權(quán)重；r_i是第i個(gè)特征集合的權(quán)重系數(shù)。

2.根據(jù)權(quán)利要求1所述的基于遺傳算法廣義典型相關(guān)分析的肌電信號(hào)特征層融合方法，其特征在于：所述的初始種群數(shù)為500-1000。

3.根據(jù)權(quán)利要求1所述的基于遺傳算法廣義典型相關(guān)分析的肌電信號(hào)特征層融合方法，其特征在于：所述的適應(yīng)度函數(shù)f(x)采用Fisher函數(shù)值。