[发明专利]基于遗传算法广义典型相关分析的肌电信号特征融合方法

权利要求书

1.基于遗传算法广义典型相关分析的肌电信号特征融合方法，其特征在于该方法包括如下步骤：

步骤(1).在人体做日常行为动作时采集人体腓肠肌、胫骨前肌、股内肌、股外肌共四路肌电信号，获取四路肌电信号的平均幅值MA，威尔逊振幅WAMP，模糊熵FE，小波能量系数EWT，由4路肌电信号各4个特征组成16维特征向量；在标准动作时提取16维标准样本特征向量X，训练时提取训练样本特征向量Y；

步骤(2).设和分别表示标准样本特征向量X和训练样本特征向量Y的类内离散度矩阵；

其中，x_ij∈X,y_ij∈Y是i类的第j个训练样本，N为该类的总训练样本数，C为总类数，是类i的样本平均向量；X与Y的类间离散矩阵为：

由于要使类间距离最大，类内距离最小，因此通过标准样本特征向量X和训练样本特征向量Y构造广义典型相关判别准则J(x,y)，公式如下：

求得使J(x,y)最大化的广义正则投影向量u和v；

步骤(3).根据广义正则投影向量u和v获取组合特征广义正则判别向量X^*，Y^*

从组合特征广义正则判别向量X^*，Y^*获取特征向量W₁，W₂，计算如下：

步骤(4).通过遗传算法GA对广义正则投影向量GCPV择优选取，得到新的GCPV将原特征投影到新空间，成为结合遗传算法的GCCA(GA-GCCA)；通过GA对广义正则投影向量GCPV择优选取后，并通过动态加权方式，将原特征通过新得到的GCPV投影到新平面上，获得最终融合的肌电信号特征向量S；遗传算法如下：

1)编码；采用二进制编码方法，二进制码的每一位的值，“0”表示特征未被选中，“1”表示特征被选中；

2)初始群体的生成；随机产生N个初始串构成初始种群；

3)适应度函数；

4)将适应度最大的个体，即种群中最好的个体无条件地复制到下一代新种群中，然后对父代种群进行选择、交叉和变异等遗传算子运算，从而繁殖出下一代新种群其它n-1个基因串；

5)如果达到设定的繁衍代数，返回最好的基因串，并将其作为特征选取的依据，算法结束；否则，回到4)继续下一代的繁衍；

所述动态加权方式如下：

W_i＝accu_i-accu_min+W_min

其中accu_i和W_i分别是第i个特征集合的识别率和权重；accu_min和W_min分别是识别率最低的特征集的识别率和权重；r_i是第i个特征集合的权重系数。

2.根据权利要求1所述的基于遗传算法广义典型相关分析的肌电信号特征层融合方法，其特征在于：所述的初始种群数为500-1000。

3.根据权利要求1所述的基于遗传算法广义典型相关分析的肌电信号特征层融合方法，其特征在于：所述的适应度函数f(x)采用Fisher函数值。