[发明专利]基于LDA算法的表面肌电信号识别方法

说明书

技术领域

本发明涉及模式识别领域，特别涉及在多类抓握手势的情形中，对表面肌电信号的判断识别，可应用于控制肌电假手以及其他人机交互接口。

背景技术

表面肌电信号(surface electromyography，sEMG)是一种与神经肌肉活动相关的生物电信号。当运动指令经由神经中枢系统传导至相关肌纤维时，会引起肌纤维上电位变化并发生肌纤维的收缩，该电位变化在皮肤表面处发生时间和空间上的叠加而形成表面肌电信号，可通过表面肌电电极采集下来。表面肌电信号包含了肌肉收缩的模式以及收缩强度等信息，不同的肢体动作对应不同的肌电信号，通过分析表面肌电信号就可以判别出该信号所对应的具体动作模式。因此表面肌电信号被广泛运用于医学诊断、运动康复等领域，尤其在仿人型肌电假手控制中，表面肌电信号作为控制源驱动假手做出各种抓握手势获得了广泛的研究和关注。例如Huang等采用方差、过零点数、AR模型系数和谱估计作为特征，利用BP网络尝试识别8类手势:三指捏取、侧边捏取、钩取、强力抓取、圆柱抓取、中心抓取、手掌伸展和腕部弯曲，获得离线测试平均85%的识别率和在线测试平均71%的识别率。杨大鹏仅使用波形长度(W/L)作为肌电特征，利用SVM识别成功识别了圆柱抓取、球形抓取、侧别捏取和三指捏取四类抓握手势，获得在线95%以上的识别率。Matrone等利用反问PCA算法较好地识别了强力抓取、三指捏取和侧边捏取三类手势，获得平均94%的识别率。可见在手势类别较少时，识别率较高;手势类别较多时，识别率下降的较多。因此有必要探索一种能够以较高识别率准确识别多类抓握手势的肌电识别算法。

发明内容

针对上述技术问题，本发明旨在至少在一定程度上解决上述技术问题。

为了以较高的识别率准确识别八类抓握手势，包括圆柱抓取、钩取、侧边捏取、指向、球形抓取、三指捏取、精确捏取和放松姿态，本发明提出了一种基于LDA算法的肌电信号判别方法。百先利用两枚模块式双极差分电极从相应的前臂肌肉上采集表面肌电信号;然后以重叠加窗的方式分割原始肌电信号，从各个窗中提取绝对均值(MAV)、方差(VAR)和4阶AR系数作为原始肌电特征;再利用LDA算法对原始肌电特征进行降维，最大限度地去除冗余信息并保留有用信息，获得降维后特征;然后对前后相邻窗口的降维特征求平均值，再输入LDA分类器，实现八类抓握手势的有效识别。

本发明采用如下技术方案:

基于LDA算法的表面肌电信号识别方法，该方法包括如下步骤:

步骤1，清洁皮肤，刮除所选肌肉处表皮的汗毛，用清水洗净并用棉签蘸取医用酒精擦拭皮肤;

步骤2，采集受试者前臂表面肌电信号，受试者做出圆柱抓取、钩取、侧边捏取、指向、球形抓取、三指捏取、精确捏取和放松姿态八类抓握手势，使用两枚肌电电极获取各手势的肌电数据并存储。

步骤3对肌电信号进行加窗分割，对各手势原始肌电数据采用重叠加窗的方式进行分割，得到窗口样本。此处窗口长度定义为250ms，窗口增量为50ms。

步骤4，计算窗口样本的肌电特征，选择绝对均值、方差和4阶AR系数计算窗口样本的肌电特征，所述绝对均值、方差和4阶AR系数计算公式分别如下:

绝对均值:MAV=1NΣi=1N|Xi|]]>

方差:VAR=1N-1Σi=1Nxi2]]>