[發明專利]一種基于小腦神經網絡模型的表面肌電信號分類方法有效
| 申請號： | 201910326077.0 | 申請日： | 2019-04-23 |
| 公開（公告）號： | CN110032987B | 公開（公告）日： | 2022-07-08 |
| 發明（設計）人： | 姜海燕;于守艷;高躍明;杜民 | 申請（專利權）人： | 福州大學 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;A61B5/389;G06N3/04 |
| 代理公司： | 福州元創專利商標代理有限公司 35100 | 代理人： | 蔡學俊 |
| 地址： | 350108 福建省福*** | 國省代碼： | 福建;35 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 小腦 神經網絡 模型 表面 電信號 分類 方法 | ||
1.一種基于小腦神經網絡模型的表面肌電信號分類方法，其特征在于：包括以下步驟：
步驟S1：采用包括脛骨前肌、腓腸肌在內的相關肌肉的表面肌電信號數據，提取上述表面肌電信號的特征參數，將提取的特征參數及其分類結果作為訓練數據，訓練小腦神經網絡模型；
步驟S2：對測量數據進行分析處理，然后提取作為測試數據的表面肌電信號的特征參數；
步驟S3：采用訓練好的小腦神經網絡模型對步驟S2提取的表面肌電的特征參數進行分類識別；
步驟S4：通過小腦神經網絡模型分類得到表面肌電信號分類評估結果；
所述表面肌電信號的特征參數包括肌電信號幅值的平均值、肌電信號的均方根值、時頻域高頻能量系數以及低頻能量系數的平均值；
表面肌電信號的特征參數的提取具體包括以下步驟：
步驟S4 1：選取daubechies8小波作為對預處理后的表面肌電信號數據小波分解的小波函數，且分解層數為5層；
步驟S4 2：計算肌電信號幅值的平均值I1：
式中，n為表面肌電信號數量，f(t)為對應時間的幅值；
步驟S4 3：計算小波分解第一層時頻域高頻能量系數的平均值I2：
式中，m為小波分解時頻域高頻能量系數數量，cD1為小波分解第一層時頻域高頻能量系數；
步驟S4 4：計算小波分解第五層時頻域低頻能量系數的平均值I3：
式中，N為小波分解時頻域低頻能量系數數量，cA5為小波分解第五層時頻域低頻能量系數；
步驟S4 5：計算肌電信號的均方根值I4：
式中，n1為表面肌電信號均方根數據組的數量，xn為對應的表面肌電信號數值。
2.根據權利要求1所述的一種基于小腦神經網絡模型的表面肌電信號分類方法，其特征在于：所述小腦神經網絡模型包括輸入層、聯想記憶層、感受野、權值記憶層以及輸出層，其中激活函數用sigmoid函數；誤差函數采用交叉熵函數。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于福州大學，未經福州大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201910326077.0/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：身份驗證系統、方法及設備
- 下一篇：紫外拉曼光譜系統實時降噪增強方法
