[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

本發明公開一種基于改進的受限玻爾茲曼機的肌電信號特征提取方法，將獲取的肌電信號預處理，得到訓練數據和測試數據；構建改進的受限玻爾茲曼機網絡對訓練數據進行訓練；定義能量函數，根據能量函數得聯合概率分布，再由貝葉斯公式得可視層與隱藏層的條件概率分布，再對可視層數據進行采樣得隱藏層數據，然后對隱藏數據進行概率最大池化，對特征數據進行壓縮；再對池化后的數據反池化重構隱藏層數據，再根據吉布斯采樣由隱藏層數據重構可視層數據，并迭代多次，再堆疊多個受限玻爾茲曼機構成深度玻爾茲曼機網絡；使用前面訓練好的權重和偏置對測試數據進行分類驗證。本發明解決了現有肌電信號提取中的時域特征變化大、頻域特征提取不充分的問題。

技術領域

本發明涉及肌電信號特征提取技術領域，具體涉及一種基于改進的受限玻爾茲曼機的 肌電信號特征提取方法。

背景技術

肌電信號能在一定程度上反映神經肌肉的活動，在臨床醫學、人機功效學、康復醫學 以及體育科學等方面均有重要的實用價值。肌電信號特征提取能發現更具意義的潛在變 量，有助于更加深入地了解肌電信號數據，減少數據存儲和輸入數據帶寬，減少冗余。

傳統的肌電信號處理的方法是將肌電信號看成均值為零、方差隨信號強度變化而變化 的隨機信號。時域特征的提取相對比較簡單，故時域分析方法在肌電信號應用領域得到了 比較廣泛的應用。然而，時域特性雖然容易提取，但大量研究表明，當肌肉收縮力大小稍 有變化時，表面肌電信號的時域特征變化較大，并不穩定，而通過快速傅里葉變換將信號 變換成頻域中的頻譜或功率譜后，頻譜或功率譜的波形變化較小，即肌電信號的頻域描述 相對比較穩定。肌電信號的頻譜穩定性使得頻域方法成為肌電信號處理技術的主流，得到 了廣泛的應用。但是肌電信號的復雜性決定了單獨使用某一類方法進行肌電信號處理都可 能無法充分利用所得信息。

發明內容

本發明的目的是針對現有技術存在的問題，提供一種基于改進的受限玻爾茲曼機的肌 電信號特征提取方法，實現肌電信號特征提取，解決現有肌電信號提取方法時面臨的時域 特征變化大、頻域特征提取不充分的問題。

為實現上述目的，本發明采用的技術方案是：

基于改進的受限玻爾茲曼機的肌電信號特征提取方法，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。

本發明提供一種基于改進的受限玻爾茲曼機的肌電信號特征提取方法，首先將獲取的 肌電信號通過濾波得到N維數據，對其作傅里葉變換取傅里葉系數，并歸一化傅里葉系數， 將歸一化后的傅里葉變換系數隨機劃分為訓練數據和測試數據，標記標簽；其次，構建改 進受限玻爾茲曼機網絡架構對訓練數據進行訓練，受限玻爾茲曼機的可視層與隱藏層相互 映射，它的網絡更新過程是定義一個能量函數，能量函數中的可視數據和隱藏層數據的連 接由之前的可視數據和隱藏數據與權重的線性連接改為卷積，根據能量函數得聯合概率分 布，再由貝葉斯公式得可視層與隱藏層的條件概率分布，再對可視層數據進行采樣得隱藏 層數據，然后對隱藏數據進行概率最大池化，對特征數據進行壓縮；再對池化后的數據反 池化重構隱藏層數據，再根據吉布斯采樣由隱藏層數據重構可視層數據，并迭代多次，此 過程使用對比分歧算法進行權重更新，再堆疊多個受限玻爾茲曼機構成深度玻爾茲曼機網 絡；最后，訓練結束后，使用前面訓練好的權重和偏置，在后面的網絡中對測試數據進行 分類驗證，實現肌電信號特征提取，解決現有肌電信號提取方法時面臨的時域特征變化大、 頻域特征提取不充分的問題。

優選地，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；