[發明專利]基于改進的受限玻爾茲曼機的肌電信號特征提取方法

在審

• 申請號: 201910030647.1
• 申請日: 2019-01-14
• 公開（公告）號: CN109766843A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 徐寧;劉妍妍;劉小鋒;姚瀟
• 申請（專利權）人: 河海大學常州校區
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 南京縱橫知識產權代理有限公司 32224
• 代理人: 董建林

1.基于改進的受限玻爾茲曼機的肌電信號特征提取方法，其特征在于，包括以下步驟：

步驟1,獲取肌電信號并進行預處理，得到訓練數據和測試數據；

步驟2，構建改進的受限玻爾茲曼機對訓練數據進行訓練，使用對比分歧算法和吉布斯采樣更新參數；

步驟3，訓練結束后，使用訓練好的參數對測試數據進行分類驗證，實現肌電信號特征提取。

2.根據權利要求1所述的基于改進的受限玻爾茲曼機的肌電信號特征提取方法，其特征在于，步驟1進一步包括以下步驟：

步驟1.1，對獲取的肌電信號進行濾波得到N維數據；

步驟1.2，對N維數據進行傅里葉變換得到傅里葉系數；

步驟1.3，對傅里葉系數進行歸一化；

步驟1.4，將歸一化后的傅里葉系數隨機劃分為訓練數據和測試數據，標記部分數據作為理想的輸出數據，即標簽數據。

3.根據權利要求1所述的基于改進的受限玻爾茲曼機的肌電信號特征提取方法，其特征在于，步驟2進一步包括以下步驟：

步驟2.1，受限玻爾茲曼機只有可視層與隱藏層，可視層與隱藏層相互映射，這里的隱藏層包括檢測層和池化層；定義一個能量函數，表示可視層與檢測層的聯合概率分布，能量函數中的可視層數據和檢測層數據的連接是可視數據和檢測數據與權重的卷積；

步驟2.2，根據貝葉斯公式，由聯合概率分布得可視層與檢測層的條件概率分布，已知輸入數據即可視層數據，根據條件概率得檢測層數據，這一過程是吉布斯采樣過程；

步驟2.3，對隱藏層數據用概率最大池化對其池化處理，對池化層數據進行反池化得到檢測層數據，由檢測層數據根據條件概率重構可視層數據；

步驟2.4，使用對比分歧算法對每個參數求偏導，不斷迭代，以達到優化參數的目的。

4.根據權利要求3所述的基于改進的受限玻爾茲曼機的肌電信號特征提取方法，其特征在于，步驟2.1進一步包括以下步驟：

定義一個能量函數E(v,h)，

根據能量函數E(v,h)得到可視層與檢測層的聯合概率分布：

其中，v為可視層輸入，h為檢測層數據，w為可視層與隱藏層的權重，k表示有k個卷積核，b，c分別是可視層和隱藏層的偏置，運算符*表示卷積，e表示自然對數的底，Z表示歸一化常數。

5.根據權利要求3所述的基于改進的受限玻爾茲曼機的肌電信號特征提取方法，其特征在于，步驟2.2進一步包括以下步驟：

通過聯合概率分布求得邊緣概率分布，在已有聯合概率分布和邊緣概率分布的基礎上，根據貝葉斯公式能夠得到，當給定了可視層的狀態，檢測層上的某一神經元被激活的概率，即：

其中sigmiod是激活函數，

同樣，根據貝葉斯公式能夠得到，當給定了檢測層的狀態，可視層上的某一神經元被激活的概率，即：

其中，v為可視層輸入，h為檢測層數據，w為可視層與隱藏層的權重，k表示有k個卷積核，b，c分別是可視層和隱藏層的偏置，運算符*表示卷積。