[发明专利]一种基于生物脉冲的动作识别方法

权利要求书

1.一种基于生物脉冲的动作识别方法，其特征在于该方法包括如下步骤：

A.采集人体四肢生物脉冲，并采用自适应门限值算法对生物脉冲进行降噪处理；

B.基于李雅普诺夫指数等方式对步骤A获取的生物脉冲进行特征提取，求出该生物脉冲的复杂度和组合特征向量；

C.将步骤B获取的生物脉冲的复杂度和组合特征向量作为特征向量输入神经网络分类器，进行生物脉冲的模式识别，获取动作聚类特征。

2.如权利要求1所述的一种基于生物脉冲的动作识别方法，其特征在于，所述步骤A中采集人体四肢的生物脉冲，并采用自适应门限值算法对生物脉冲进行降噪处理还包括：

选择小波离散函数和小波变换级数，对生物脉冲进行小波变换，得到小波树和分段小波系数，计算其最佳小波树，获取最佳小波树的各叶结点系数，在生物脉冲的最佳小波树中选取一个未处理的叶结点，计算该叶结点系数对应的自适应门限值和降噪方式，进行降噪，判断最佳小波树种是否有叶结点未处理，如果有则重新在生物脉冲的最佳小波树中选取一个未处理的叶结点，如果没有，则如果最后一级第一个结点的父结点系数为零，重构父结点，如果不是，保留原来的父结点。再对上一级第一个结点做同样处理，直到第一级第一个结点，最后得到重构生物脉冲。

3.如权利要求1所述的一种基于生物脉冲的动作识别方法，其特征在于，基于李雅普诺夫指数等方式对步骤A获取的生物脉冲进行特征提取，求出该生物脉冲的复杂度和组合特征向量；还包括：

1)求生物脉冲的局部极大、极小值；通过插值函数获得脉冲的上下样条曲线；并对上下样条曲线求平均，记为n(j)；以样条曲线上同符号值t(j)替代对应序列点上生物脉冲原有值y(j)，求脉冲t(j)与n(j)的差值，记为i(j)＝t(j)-n(j)；

2)i(j)脉冲归一化：找出i(j)中绝对值最大的量i_max＝max|i(j)|，j＝1，2，...M；最后，按幅度归一化EMG(j)＝i(j)/i_max；

3)对时间序列脉冲进行四区间的多尺度粗粒化；

4)以kolmogorov法计算脉冲的KC复杂度。

4.如权利要求1所述的一种基于生物脉冲的动作识别方法，其特征在于，

基于李雅普诺夫指数等方式对步骤A获取的生物脉冲进行特征提取，求出该生物脉冲的复杂度和组合特征向量；还包括：

选择小波变换级K＝3和小波函数为symlet3，对降噪后的脉冲进行处理，依次取patternl-pattern6脉冲进行小波变换，利用MATLAB工具箱中的函数计算小波低频值和高频值其中i＝1，2，3，4；j＝1，2，3，i表示采集信道，j表示小波变换级数；

利用公示1计算每个动作四个信道的小波变换最大值其中m＝1，2…6，表示动作类别；

利用公式2和公式3计算动作1-6各四个信道脉冲的最大李雅普诺夫指数；L^m＝[L₁，L₂，L₃，L₄]，M＝1，2…6，表示动作类别；

d_j(i)＝|Y_j+1-Y_k+1|，i＝1，2…min(M-j，M-k) (2)

其中寻找给定轨道上每个点的最近邻近点Y_j+1，计算出该邻点对的个离散时间步后的距离d_j(i)；对每个i，求出的平均值y(i)；最后用最小二乘法对上式做出一条回归线，所求的最大指数L就是条回归直线的斜率；

利用公式4计算组合特征向量

m＝1，2…6，表示动作类别

Q＝[W_i，L]，i＝1，2...j+1 (4)；

每个动作采集10组数据，分别计算组合特征向量。