[发明专利]用于手部动作识别的脑电和肌电信号混沌特征融合方法

说明书

技术领域

本发明属于生物电信号处理领域，涉及脑电和肌电信号的手部动作识别 方法，具体一种用于手部动作识别的脑电和肌电信号混沌特征融合方法。

背景技术

近年来，随着工业、交通事业的发展，人类因工业生产、工程施工、车 祸等原因而导致截肢的患者呈逐年上升的趋势。对手部缺失的残疾人，带有 仿生控制功能的多自由度肌电假手在一定程度上能够使他们更好的生活和融 入社会，因而假肢需求变得更为迫切。用肌电、脑电等人体生物电信号控制 的机械电动假手，具有控制方式自然，仿生能力强的特点，是未来仿生假手 的发展方向。仿生假手在外形上和人手相似，能够按照人的意识来完成手部 的几个简单动作，如展拳、握拳、伸腕、屈腕等。目前常用的仿生假手都是 由肌电信号控制的，由于肌电信号的微弱性、混叠性和低信噪比，导致从少 通道肌电信号识别多模式动作变得非常困难，因而实时控制的多自由度肌电 假手商用化并不理想，其关键问题是多自由度模式实时处理的准确性尚待进 一步提高。所以，在仿生假手的控制中引入新的生物电控制信号进而提升假 手模式动作的识别准确率将是一种新的有效途径。

一种典型的手部动作识别算法主要包括两个阶段：第一个阶段是手部动 作的特征提取，第二个阶段是利用模式识别方法对目标的动作分类。

特征是手部动作识别的关键。一般的手部动作识别是基于特定动作在某 些特征的一致性来表示的，识别就是在这些特征基础上进行的。根据手部动 作的不同，对不同手部动作信号数据进行处理，以期望得到表示某种动作一 致性的特征矢量，然后根据特征矢量的不同，采用对应分类器完成动作的识 别。同时特征矢量也与识别方法密切相关，对同一特征矢量，选用不同的分 类器，识别正确率的高低也不同。

在特征提取阶段，利用一定的算法，得到不同动作的特征矢量。在这个 过程中，如何将不同信号(尤其是不同来源的信号：如肌电、脑电)的隐含 信息转换成区分度高，具有相同表达方式(只有这样才能在共同的算法上融 合)的矢量，是下一步进行准确识别的前提。不同特征提取算法，得到的特 征矢量在同样分类器识别下，识别率的高低也是不同的，这就需要研究更好 的特征提取方法以提高识别率。

脑电和肌电信号的特征提取方法的发展过程依次是：时域分析、频域分 析、时频分析、非线性动力学分析。其中前三种方法已经得到较广泛的研究 和应用，近年来，非线性动力学方法得到了蓬勃的发展，其中混沌方法的研 究占了很大的份额。混沌想象广泛存在于连续和离散系统中，在离散系统中， 它通常以时间序列存在。一般认为，混沌是指确定性系统中出现的无规则性 或不规则性。混沌系统必定是非线性的，但非线性系统不一定是存在混沌。 混沌的一个主要特征是，动力学特性对初始条件有敏感的依赖性，这意味着 其轨迹具有不可预测性。混沌的本质就是非线性系统对初始条件的极端敏感 性。近来，开始有人从混沌这个角度研究生物电信号，本发明就是从这一角 度研究脑电和肌电信号的混沌特征参数，并从中完成手部动作的识别。

时域分析方法最早被引入生物电信号处理领域，特征提取方法相对比较 简单。常用的时域分析方法有：绝对值积分、方差、直方图等。频域分析方 法主要有傅里叶谱分析、功率谱分析、AR模型功率谱估计等方法。傅里叶变 换虽然能较好地刻画信号的全局频率特征，但是不提供信号在任意时间窗口 的频率信息，作为改进，后来出现了时频分析方法，它能够比较全面地描述 信息，同时在时频两域分析信号，也适合分析非平稳信号。目前时频分析主 要方法有以下几种：短时傅里叶变换、Wigner-Ville分布、小波变换、HHT 变换、非线性动力学。非线性是复杂系统的一个基本特征，复杂系统中基本 单元的相互作用必然导致其对应的模型具有非线性这个共性，非线性科学的 兴起正是来自于对这个共性的研究。生理系统的本质是复杂的，也是非线性 的。目前复杂性分析和非线性分析方法在信号处理中的应用主要从以下几方 面展开：(1)分形维以及发展的十多种不同的维数，如容量维、信息维、关联 维、Hausdorff维、自相似维、盒子维和拓扑维等；(2)李雅普诺夫指数，它 是混沌一个重要特征参数；(3)熵(entropy)，包括K-S熵和近似熵等；(4) 复杂度。