[发明专利]一种基于EMG信号识别方法

说明书

一种基于EMG信号识别方法，采用以下步骤，步骤1：将采集模块安装在人体手臂上，采集模块采集人体手臂肌肉电信号进行并对数据进行归一化；步骤2：采集模块将采集到的信号通过信号传输模块传输到服务端的接收模块；步骤3：接收模块接收信号后，服务端对接收信号通过小波变换进行滤波降噪，得到处理后的信号。发明基于肌肉电信号的深度学习处理和虚拟现实技术，实现了一套新型的人机交互系统。相比于其他的人机交互手段，本发明成本低，EMG信号的提取和处理比基于视觉的方法成本低。

技术领域

本发明涉及信号识别领域，具体涉及一种基于EMG信号识别方法。

背景技术

随着互联网技术的发展，深度学习和信号处理技术在人们实际生活中越来越多的应用在不同的领域。在医学方面，智能诊断，医学影像处理已经取得了一定的成效。但是在医疗康复领域，相关应用还比较简单。

人体运动时，大脑产生的神经信号会使不同的肌肉群兴奋，从而产生表面肌肉电信号，结合深度学习识别技术，在智能家居以及康复等领域都有重要的应用。虚拟现实近年来发展快速，应用于康复领域，可以通过自然的交互方式，定性定量的帮助患者康复。目前虚拟现实康复的动作捕捉与识别主要基于计算机视觉技术，因为视觉遮蔽效应的原因，具有算法复杂，精确度低、成本高等缺点。

为了解决上述问题，本专利通过采集人体表面肌电信号，并处理和识别信号所对应的手势信息，结合了人工智能和虚拟现实技术，设计基于虚拟现实手功能康复训练任务系统。

发明内容

本发明针对现有技术的不足，提出一种基于EMG信号识别方法，具体技术方案如下：

一种基于EMG信号识别方法，其特征在于：

采用以下步骤，

步骤1：将采集模块安装在人体手臂上，采集模块采集人体手臂肌肉电信号进行并对数据进行归一化；

步骤2：采集模块将采集到的信号通过信号传输模块传输到服务端的接收模块；

步骤3：接收模块接收信号后，服务端对接收信号通过小波变换进行滤波降噪，得到处理后的信号，小波变换进行滤波降噪的具体方式为：

对接收信号f(t)∈L 2(R)用如下公式表示为：

式中右边第一项为f(t)在尺度空间的投影，第二项为f(t)在小波空间的投影；

j是任意尺度开始，c j,k为尺度系数，d j,k为小波系数；

按照如下方式得到尺度系数C j,k和小波系数D j,k：

c_j,k＝＜f(x),φ_j,k(x)＞＝∫f(x)φ_j,k(x)dx

将尺度系数c_j,k和小波系数d_j,k共同构成二维时频谱；

步骤4：利用深度特征融合卷积神经网络对二维时频谱内的特征进行提取；

步骤5：利用训练好的分类输出层得到手势分类结果。

进一步地：采集模块使用八通道肌肉电信号采集臂环，通过佩戴在人体手臂上，八个传感器将手臂一周八个位置的电压变化以400Hz的采样率进行采集。

本发明的有益效果为：本发明基于肌肉电信号的深度学习处理和虚拟现实技术，实现了一套新型的人机交互系统。相比于其他的人机交互手段，本发明成本低，EMG信号的提取和处理比基于视觉的方法成本低；

用户体验好，可以在家中自己训练而无需购置专用设备或去医院使用，只需佩戴手环；