[发明专利]一种肌电臂环佩戴位置预测方法和系统

权利要求书

1.一种肌电臂环佩戴位置预测方法，其特征在于，包括：

步骤1、旋转肌电臂环于某一位置，以采集带有该位置特征的肌电信号，将该肌电信号通过经验模态分解算法分解为本征模函数分量，对该肌电信号及该本征模函数分量分别提取细粒度特征，组成位置预测训练样本，按位置特征组成位置预测训练样本集，使用该位置预测训练样本集利用随机森林算法训练肌电臂环上的位置预测模型；

步骤2、提取某一时刻i的肌电信号细粒度特征组成位置预测样本F_i；

步骤3、将该位置预测样本F_i输入至肌电臂环上的位置预测模型以获取该时刻i的位置预测概率向量L’_i；

步骤4、提取该时刻i之前的历史时刻i-j的肌电信号细粒度特征组成位置预测样本F_i-j,

步骤5、将该位置预测样本F_i-j输入至肌电臂环上的位置预测模型得到该历史时刻i-j的位置预测概率向量L’_i-j，

步骤6、通过L’_i和L’_i-j得到佩戴位置概率向量，并选择概率最大的位置作为位置预测结果，其中i、j、T为时间参数，j∈[1,2,...,T]，j为正整数。

2.如权利要求1所述的肌电臂环佩戴位置预测方法，其特征在于，步骤2前还包括预处理步骤：对某一时间内的肌电信号进行分割处理为多个大小相同的窗口，并将该窗口作为提取细粒度特征和位置预测的最小单位。

3.如权利要求1所述的肌电臂环佩戴位置预测方法，其特征在于，该细粒度特征包括：绝对平均值、第一修正绝对平均值、第二修正绝对平均值、平均绝对值偏差、均方根值、方差、波形长度共7项时域特征，和频率中位数、频率平均数、修正频率中值共3项频域特征。

4.如权利要求1所述的肌电臂环佩戴位置预测方法，其特征在于，步骤1包括：

步骤41，旋转肌电臂环于某一位置以采集带有该位置特征的肌电信号；

步骤42，对该肌电信号进行预处理，主要处理过程包括数据滤波和滑动窗分割；

步骤43，从预处理之后的该肌电信号中提取细粒度特征，组成位置预测训练样本；

步骤44，为各种位置预测样本分别赋予对应的类别标号，由位置特征形成训练数据集；

步骤45，使用该训练数据集训练位置预测模型，用平均识别准确率作为该位置预测模型的位置预测准确率。

5.如权利要求1所述的肌电臂环佩戴位置预测方法，其特征在于，步骤6包括：

位置预测概率向量为输出第i时刻的佩戴位置预测结果其中k_j为加权系数。

6.一种肌电臂环佩戴位置预测系统，其特征在于，该系统包括：

提取细粒度特征模块，用于将肌电信号分解为本征模函数分量，并对该肌电信号及该本征模函数分量分别提取时域、频域特征组成位置预测训练样本；融合时序信息的佩戴位置预测模块，用于通过肌电臂环采集当前时刻的肌电信号，融合当前时刻之前的历史时刻位置预测概率向量，生成最终预测结果。

7.如权利要求6所述的肌电臂环佩戴位置预测系统，其特征在于，该提取细粒度特征模块包括：

分解模块，用于将采集到的肌电信号进行分解，并得到该肌电信号的本征模函数分量；

提取模块，用于对该肌电信号和该本征模函数分量进行细粒度特征提取，并将提取到的细粒度特征组成位置预测训练样本。

8.如权利要求6所述的肌电臂环佩戴位置预测系统，其特征在于，该融合时序信息的佩戴位置预测模块包括：

模型离线训练模块，用于采集带有位置特征肌电信号，经预处理得到位置预测训练样本集后，对位置预测模型进行训练；

在线位置预测模块，用于采集当前时刻肌电信号，经预处理得到位置预测样本后，通过位置预测模型输出当前时刻佩戴位置结果。