[發明專利]基于遺傳算法廣義典型相關分析的肌電信號特征融合方法

在審

• 申請號: 201811606327.8
• 申請日: 2018-12-26
• 公開（公告）號: CN109558911A
• 公開（公告）日: 2019-04-02
• 發明（設計）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（專利權）人: 杭州電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明提出一種基于遺傳算法廣義典型相關分析的肌電信號特征融合方法。獲取人體做日常行為動作時四路肌電信號的平均幅值，威爾遜振幅，模糊熵，小波能量系數，由4路肌電信號各4各特征組成16維特征向量。提取16維標準樣本特征向量X、訓練樣本特征向量Y。分別計算X,Y的類內離散度矩陣和類間離散矩陣，最后求得使廣義典型相關判別準則最大的廣義正則投影向量。對GCPV擇優選取，得到新的GCPV將原特征投影到新空間，成為結合遺傳算法的GCCA(GA?GCCA)；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特征向量S。本發明有效地減小了維數，并在改善單調性的同時動態地選擇了最佳特征向量。

技術領域

本發明屬于特征融合領域，涉及一種基于遺傳算法廣義典型相關分析的肌電信號特征層融合方法。

背景技術

隨著醫療保健概念從疾病診斷和治療轉向疾病預防，在系統和持續運動管理中的技術發展的重要性逐漸被強調。由于人口老齡化的增長，在日常活動中需要幫助的老年人或體弱者的數量正在迅速增加，這種變化致使人們意識到活動監測的重要性。肌電(EMG)傳感器廣泛應用于醫學診斷，康復和人機交互中。與其他可穿戴傳感器相比，EMG傳感器可以直接表現出人體對各種活動的肌電反應。然而，在從原始數據集中尋找最佳特征集方面，仍然存在相當大的挑戰。這種困難是由于肌電信號的生物電特性所致，它們會受到許多干擾因素的影響。從同一模式中提取不同的特征向量，往往反映模式的不同特征。通過優化和組合這些不同的特征，可以保留多個特征的有效判別信息，并在一定程度上消除冗余信息。因此，在將最優特征集應用于分類器之前，需要做大量的工作。

特征融合在模式識別領域一直是豐富數據特征的一個重要方法，是分類過程中十分重要的預處理步驟。由于特征提取后得到的特征通常會包含冗余和不相關的信息，并且不當的維度增加會降低特征空間的質量。在這種情況下，傳統的數據集成技術無法提供高性能的解決方案。另外，維度的擴大增加了分類器的學習參數，從而降低了速度、精度，增大了對存儲器的需求。特征融合是將多個相同類型或不同類型的傳感器的局部觀察特征進行綜合，消除信息之間的冗余，利用信息的互補，形成特征相對完整的描述的過程，能提高識別可靠性。R Feng等人提出了一種新的信任評估算法，融合了節點行為策略和修正的證據理論，有效的識別了惡意節點。Ogawa通過Dempster-Shafer(DS)證據理論對不同分類器識別相同昆蟲的結果進行整合，得到了更準確的分類。liu研究了特征降維策略對表面肌電信號分類的影響，并采用馬爾可夫隨機場方法和正向正交搜索算法來評價每個特征對分類的貢獻。表面肌電信號(sEMG)能夠有效地反映用戶的運動意圖，通常被用于活動監測和康復應用。

發明內容

本發明針對現有技術的不足，提出了一種基于遺傳算法廣義典型相關分析的肌電信號特征融合方法。

本發明提出一種特征融合的新方法來獲得sEMG信號的新特征空間。在人體做日常行為動作時采集人體腓腸肌、脛骨前肌、股內肌、股外肌共四路肌電信號，獲取四路肌電信號的平均幅值，威爾遜振幅，模糊熵，小波能量系數，由4路肌電信號各4各特征組成16維特征向量。在標準動作時提取16維標準樣本特征向量X，訓練時提取訓練樣本特征向量Y。分別計算X,Y的類內離散度矩陣，以及X與Y的類間離散矩陣，得到廣義典型相關判別準則,最后求得使廣義典型相關判別準則最大的廣義正則投影向量(GCPV)。通過遺傳算法GA對廣義正則投影向量GCPV擇優選取，得到新的GCPV將原特征投影到新空間，成為結合遺傳算法的GCCA(GA-GCCA)；通過GA對廣義正則投影向量GCPV擇優選取后，并通過動態加權方式，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特征向量S。通過WGA-GCCA創建的新特征空間有效地減小了維數，并在改善單調性的同時動態地選擇了最佳特征向量。經由WGA-GCCA融合后的特征輸入分類器時，也有著更高的精度。

為了實現以上目的，本發明方法主要包括以下步驟: