[发明专利]人体表面肌电信号消噪、特征提取和模式识别方法无效
申请号: | 201110009548.9 | 申请日: | 2011-01-17 |
公开(公告)号: | CN102073881A | 公开(公告)日: | 2011-05-25 |
发明(设计)人: | 刘泉;艾青松;袁婷婷 | 申请(专利权)人: | 武汉理工大学 |
主分类号: | G06K9/66 | 分类号: | G06K9/66;G06N3/08 |
代理公司: | 武汉开元知识产权代理有限公司 42104 | 代理人: | 潘杰 |
地址: | 430070 湖*** | 国省代码: | 湖北;42 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 人体 表面 电信号 特征 提取 模式识别 方法 | ||
1.一种人体表面肌电信号消噪、特征提取和模式识别方法,包括如下步骤:
(1)对待识别的动作对应采集多组肌电信号后,在所述多组肌电信号中选择训练数据肌电信号和测试数据肌电信号;
(2)对每个训练数据肌电信号,对其最优小波包树的各个终结点分别采用与该终节点系数对应的小波阀值进行消噪,根据消噪后的最优小波包树重构训练数据肌电信号;
(3)选取小波基函数和小波分解级数,对每个重构的训练数据肌电信号进行小波分解;
(4)提取每个小波分解后的训练数据肌电信号中的各级小波高频系数,将各级小波高频系数的最大绝对值作为训练数据肌电信号的特征值,所有训练数据肌电信号的特征值构成训练数据肌电信号的特征值向量;
(5)对每个测试数据肌电信号,将其与每个训练数据肌电信号相同处理方式进行消噪、重构、小波分解和提取特征值,获取测试数据肌电信号的特征值,所有测试数据肌电信号的特征值构成测试数据肌电信号的特征值向量;
(6)将训练数据肌电信号的特征值向量和测试数据肌电信号的特征值向量输入反向传播神经网络进行模式识别。
2.如权利要求1所述的人体表面肌电信号消噪、特征提取和模式识别方法,其特征在于,所述步骤(2)具体为:
(21)对每个训练数据肌电信号进行小波包分解,得到小波包树;
(22)获取对每个训练数据肌电信号的小波包树的最优小波包树;
(S23)获取每个训练数据肌电信号的最优小波包树的各终结点的系数,将最优小波包树的非终结点的系数设为零;
(24)对每个训练数据肌电信号的最优小波包树的所有终结点,获取与该终节点的系数对应的小波阀值和消噪方式,根据该小波阀值和消噪方式对该终节点进行消噪,得到新的消噪后的终结点系数;
(25)对每个消噪后的肌电信号的最优小波包树,从最后一级第一个小波包结点开始处理,判断此节点对应的父结点系数是否为零,如果是,由该节点消噪后的结点系数与该父节点的另一子节点消噪后的节点系数重构该父节点,获取重构的父节点系数;如果否,保留该父节点系数,每级节点处理完毕后再对上一级节点同样处理,直至第一级第一个结点结束,得到重构的训练数据肌电信号。
3.如权利要求1所述的人体表面肌电信号消噪、特征提取和模式识别方法,其特征在于,所述步骤(6)具体为:
(61)将训练数据肌电信号的特征值向量进行转换后,输入BP神经网络;
(62)设置隐含神经元从1到H逐一增加,开始训练网络,其中对于每个隐含神经元的每次网络训练,根据从10-1-10-G逐次减少10倍的训练误差依次进行网络训练,依次得到训练好的BP神经网络,训练好的BP神经网络的输出层输出期望值,其中H、G均取任意正整数;
(63)将测试数据肌电信号的特征值向量进行转换后,输入每个训练好的BP神经网络;
(64)根据BP神经网络的输出值与BP神经网络的期望值统计测试数据肌电信号的正确识别个数,所有测试数据肌电信号的正确识别个数与测试数据肌电信号的样本个数之比作为每次网络训练的识别率,记录该识别率对应的训练误差值和隐含神经元个数。
(65)将最高识别率作为所述待识别的动作的识别率,将最高识别率对应的隐含神经元个数和训练误差的组合,作为BP神经网络的参数。
4.如权利要求2所述的人体表面肌电信号消噪、特征提取和模式识别方法,其特征在于,所述步骤(21)中的小波包分解级数选为3级。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201110009548.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:运动目标自动跟踪的装置和方法
- 下一篇:状态信息处理方法和用户设备