[發明專利]一種基于膠囊網絡的表面肌電信號分類方法

有效

• 申請號: 202110034453.6
• 申請日: 2021-01-12
• 公開（公告）號: CN112733721B
• 公開（公告）日: 2022-03-15
• 發明（設計）人: 王萬良;尤文波;趙燕偉;陳嘉誠;王鐵軍;錢宇彤
• 申請（專利權）人: 浙江工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08;A61B5/389
• 代理公司: 杭州天正專利事務所有限公司 33201
• 代理人: 王兵

本發明公開了一種基于膠囊網絡的表面肌電信號分類方法，采用窗口分析法對原始表面肌電信號預處理；提取信號中的特征，構成特征序列，并利用二維化方法，轉換為特征矩陣；對原始信號進行簡單的切割堆疊，從而產生二維信號矩陣；通過不同尺寸的卷積核將兩種矩陣進行卷積，得到相同尺寸的特征圖后進行通道疊加；將得到的抽象特征圖送入到膠囊網絡中訓練，并保存網絡權重。本發明改善了生成抽象特征的方法，準確率高，魯棒性強，尤其是針對肌肉運動相近的動作。

技術領域

本發明涉及一種表面肌電信號分類問題。

背景技術

在人類的日常生活、工作中，手部發揮著極其重要的作用。近年來，隨著人口老齡化程度的上升以及各類疾病、意外事故、自然災害的發生，手腳不便的老人和肢體殘疾的患者人數逐年增加。智能的假肢能夠仿照人手的方式，為老年人及肢體殘疾者提供生活上基本的幫助。人的手部動作是由意識支配的，意識以生物電信號的形式傳遞到全身，相應肌群收到信號后執行對應動作。對于假肢的控制，同樣也需要信號源，目前最常見的是表面肌電信號(sEMG)。

表面肌電信號是電極貼在肌肉表面用以記錄肌肉運動的生物信號。不同手勢對應著不同的肌肉運動方式，因此產生的信號也不同。通過對表面肌電信號的分析，可以預測手勢動作。同時，表面肌電信號還具有無創、易于采集等優點，因此，這是一種理想的人機交互信號源。使用表面肌電信號作為人機交互的媒介，能否成功應用取決于對表面肌電信號的準確識別。因此，表面肌電信號對手勢動作識別具有應用價值，基于表面肌電信號的手部動作識別研究具有重大的社會意義。

目前的表面肌電信號分類方法大多采用特征提取的方式，將手動提取的特征送到機器學習或者深度學習的模型當中訓練，得到預測結果。也有一部分研究將原始數據送到深度學習的模型中訓練。但是目前的方法還存在著以下問題：(1)用特征進行訓練的方法的結果很大程度上取決于選擇的特征與組合方式，無論再怎么合適的特征也無法完整還原原始信號的信息，并且只對差異較大的動作分類效果好，當動作差異較小，分類效果不佳，算法的魯棒性差；(2)將原始信號輸送到模型中訓練的方法雖然能免于提取特征，但是由于原始信號中含有太多信息，提取的抽象特征太過寬泛，因此分類精度較低；(3)目前所使用的機器學習或者深度學習模型只能反映出是否具有某種特征，但是對于特征之間的聯系以及特征之間的相對關系卻無法反映。

發明內容

針對目前存在的問題，本發明提供了一種基于膠囊網絡的融合原始信號與提取的特征的分類方法，采用新型的深度學習模型膠囊網絡，并且在網絡中融合多層次特征，旨在解決現有技術中的問題，最終以更高的魯棒性和準確率解決表面肌電信號分類問題。

為達到上述目的，本發明采用的技術方案為，一種基于膠囊網絡的表面肌電信號分類方法，包括以下步驟：

S1：原始信號數據預處理，即窗口分析法。針對表面肌電信號，使用長為w 的窗口截取信號。其中，w為窗口長度，t是增量區間，τ為信號處理并得到預測結果的時間。每經一個時間間隔t之后，同時對所有通道順序截取數據。

S2：對每一個通道的每一個窗口提取特征，得到一維多通道特征序列。

S3：將特征序列和原始信號分別二維化。將一維特征矩陣增加“1”后乘以它的轉置矩陣，得到二維化的特征矩陣，具體見S31到S32。將每一個已窗口化的原始信號進行切割并堆疊，得到二維原始信號矩陣，具體見S33到S34。

S31：向序列x中加入1，如公式(1 )所示，得到序列f。

f＝[1,x₁,x₂,...,x_m] (1)

S32：使用矩陣運算對特征向量進行特征組合，具體轉換如公式(2 )(3 )所示。

F＝G(α*(f×f^T)^β) (2)