[發明專利]基于肌肉電阻抗信號的手勢識別系統及方法

在審

• 申請號: 202011103545.7
• 申請日: 2020-10-15
• 公開（公告）號: CN112101298A
• 公開（公告）日: 2020-12-18
• 發明（設計）人: 高躍明;周瑸;杜民;姜海燕;吳嘉輝;史婧婷
• 申請（專利權）人: 福州大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/04;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

1.一種基于肌肉電阻抗信號的手勢識別系統，其特征在于，包括：信號采集單元和上位機；所述信號采集單元包括主控模塊、信號驅動模塊、信號檢測模塊、AD采集模塊和無線通信模塊；所述主控模塊與信號驅動模塊、AD采集模塊和無線通信模塊分別連接；所述信號檢測模塊與信號驅動模塊和AD采集模塊分別連接；所述無線通信模塊通過無線傳輸與上位機連接，將采集的信號傳輸至上位機，所述上位機根據得到的信號進行手勢識別。

2.根據權利要求1所述的基于肌肉電阻抗信號的手勢識別系統，其特征在于，所述信號驅動模塊包括依次連接的人體表面測量電極、信號源電路、放大器電路和射級跟隨電路。

3.根據權利要求1所述的基于肌肉電阻抗信號的手勢識別系統，其特征在于，所述信號檢測模塊包括依次連接的濾波電路、穩壓電路、相位極性鑒別電路和幅相檢測電路。

4.根據權利要求1所述的一種基于肌肉電阻抗信號的手勢識別系統，其特征在于，所述無線通信模塊采用藍牙、Zig-Bee或Wi-Fi。

5.一種基于肌肉電阻抗信號的手勢識別方法，其特征在于，包括以下步驟：

步驟S1:通過信號采集單元采集人體小臂EIM信號，并傳送至上位機；

步驟S2:上位機根據采集的到的V_MAG和V_PHS與信號衰減、相位差的關系計算出V_i和V_o的幅度比值和相位差；

步驟S3:根據歐姆定律，利用參考電阻將電壓幅度比值和相位差換算為肌肉的阻抗模|Z|和φ,并進行歸一化處理；

步驟S4:將歸一化后的|Z|’和φ’作為兩個變量，使用機器學習的方法訓練手勢分類模型，實現最終的手勢分類。

6.根據權利要求5所述的基于肌肉電阻抗信號的手勢識別方法，其特征在于，所述歸一化處理采用Z-score標準化。

7.根據權利要求5所述的基于肌肉電阻抗信號的手勢識別方法，其特征在于，所述機器學習的方法采用神經網絡或支持向量機。

8.根據權利要求5所述的基于肌肉電阻抗信號的手勢識別方法，其特征在于，所述機器學習的方法極限學習機分類器，包括輸入層、隱含層和輸出層，具體構建過程如下：

隨機生成輸入層和隱含層之間的連接權值；

計算隱含層的輸出矩陣H，將輸入數據映射至隱含層節點的結果；

最小化誤差函數L=min ||Hβ-T||，其中T為網絡的目標輸出；

其中β為隱含層和輸出層的權重向量，

引入正則化項后，其計算公式變為β=(HTH+1/C)-1HTH，得到最終的神經網絡模型。