[发明专利]一种基于肌电信号手语识别翻译臂环及手语识别方法

权利要求书

1.一种基于肌电信号手语识别翻译臂环，其特征在于：包括臂环主体、连接带、肌电传感器、九轴惯性测量传感器、单片机、蓝牙模块以及扬声器，所述臂环主体由若干闭环外壳组成，相邻闭环外壳之间通过连接带连接，所述连接带与闭环外壳可拆卸连接，所述闭环外壳内侧表面对应连接一个肌电传感器，所述肌电传感器和九轴惯性测量传感器分别与单片机连接。

2.根据权利要求1所述的一种基于肌电信号手语识别翻译臂环，其特征在于：所述闭环外壳设置有指示灯和功能按键，所述扬声器设置于闭环外壳外侧。

3.根据权利要求1或2所述的一种基于肌电信号手语识别翻译臂环，其特征在于：所述连接带与闭环外壳卡扣连接。

4.根据权利要求3所述的一种基于肌电信号手语识别翻译臂环，其特征在于：所述单片机采用STM32单片机。

5.一种手语识别肌电信号的方法，其特征在于：首先将臂环主体套入手臂上，通过肌电传感器采集肌电信号，通过九轴惯性测量传感器采集惯性信号，然后STM32单片机对肌电信号与惯性信号进行处理，并传输到外接的PC端或移动端上，通过PC端或移动端将对肌电信号与惯性信号发送给外部服务器，通过外部服务器进行深度学习的算法解算然后进行反馈，最后通过扬声器进行播放。

6.根据权利要求5所述的一种手语识别肌电信号的方法，其特征在于：所述深度学习的算法框架采用谷歌tenserflow、百度paddlepaddle或keras框架。

7.根据权利要求6所述的一种手语识别肌电信号的方法，其特征在于：采用百度paddlepaddle框架可以先将所有数据做归一化处理，将每一个动作下不同人之间的肌电信号（emg）与惯性信号(ori)做交叉，即将不同人的同动作的肌电信号（emg）以及惯性信号(ori)数据进行混排匹配，从而大幅度提高数据量；其次模型分两个部分，一个是对肌电信号(emg) 的卷积，一个是对惯性信号(ori)的卷积，然后做拼接后经一个全链接层，再进行预测，其中，肌电信号(emg）与惯性信号(ori）均为一个卷积层、一个池化层与一个全链接层构成，其中肌电信号(emg）的卷积结构为4*16=64，池化结构参数为8*8=64；惯性信号(ori）卷积结构为8*2=16，池化结构参数为4*4=16，之后都选用relu进行全链接，最后与数据库内整体700000条数据test集进行对比识别。