[发明专利]数据处理方法及装置、电子设备有效
申请号: | 201910092534.4 | 申请日: | 2019-01-30 |
公开(公告)号: | CN109800733B | 公开(公告)日: | 2021-03-09 |
发明(设计)人: | 张旭;喻斌;陈勋;吴乐;陈香 | 申请(专利权)人: | 中国科学技术大学 |
主分类号: | G06K9/00 | 分类号: | G06K9/00 |
代理公司: | 北京集佳知识产权代理有限公司 11227 | 代理人: | 李伟;王宝筠 |
地址: | 230026 安*** | 国省代码: | 安徽;34 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 数据处理 方法 装置 电子设备 | ||
本发明提供了一种数据处理方法,包括:依次将各个肌电信号测试数据输入至预先构建的目标分类器;将每个肌电信号测试数据输入至目标分类器时,获取与当前肌电信号测试数据对应的第一测试结果,并判断当前肌电信号测试数据是否为首个肌电信号测试数据;若是,则生成投票队列,并确定肌电信号测试数据对应的第二测试结果;若否,则将当前肌电信号测试数据对应的差异值与预设的阈值进行匹配得到第二测试结果;依据第一测试结果及第二测试结果更新投票队列,并依据更新后的投票队列对当前肌电信号测试数据进行投票以得到识别结果,提高了肌电信号测试数据的识别结果的准确性。
技术领域
本发明涉及肌电信号识别领域,特别涉及一种数据处理方法及装置、电子设备。
背景技术
近些年来,随着信息科技的发展,机器学习也有着显著的进步,例如基于深度学习的表面肌电信号识别领域,表面肌电信号是从肌肉表面通过电极引导记录下来的神经肌肉系统活动时的生物电信号,能在一定程度上反应神经肌肉的活动状态,通过深度学习能识别不同的表面肌电信号对应的肌肉活动状态,对康复医学、运动医学及生物机械等领域产生巨大的助力。
经本发明人员研究发现,现有的基于深度学习识别表面肌电信号的方法中,通常是构建分类模型,将采集得到的肌电信号输入分类模型,得到肌电信号的识别结果,然而,由于肌电信号具有不稳定性和随机性,因此,通过分类器得到的识别结果往往会出现较大的误差,因此,如何解决肌电信号的不稳性和随机性所造成的识别结果不准确的问题成为本领域技术人员迫切解决的问题。
发明内容
本发明所要解决的技术问题是提供一种数据处理方法,将预先获取的肌电信号测试数据输入分类器获得第一测试结果,并确定所述肌电信号测试数据对应的第二测试结果,依据第一测试结果及第二测试结果更新投票队列,并依据更新后的投票队列得到识别结果,提高所述肌电信号测试数据的识别结果的准确性。
本发明还提供了一种数据处理装置,用以保证上述方法在实际中的实现及应用。
一种数据处理方法,包括:
获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;
将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;所述当前所述肌电信号测试数据为当前输入至所述目标分类器的肌电信号测试数据;
若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果,其中,所述投票队列用于存放各个所述肌电信号测试数据对应的第一测试结果;
若当前所述肌电信号测试数据不是首个肌电信号测试数据,则将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,其中,所述差异值表征当前所述肌电信号测试数据与前一个所述肌电信号测试数据的差异程度;
依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
上述的方法,可选的,所述肌电信号测试数据的存储过程,包括:
采集用户执行动作生成的肌电信号;
采用滑动窗技术,依据所述肌电信号生成的时间顺序对所述肌电信号进行划分,得到多个肌电信号测试数据,并对划分得到的各个所述肌电信号测试数据依次进行存储。
上述的方法,可选的,存储所述肌电信号测试数据之前,还包括:
分析待存储的肌电信号测试数据,获得与所述待存储的肌电信号测试数据对应的时域特征;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国科学技术大学,未经中国科学技术大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910092534.4/2.html,转载请声明来源钻瓜专利网。
- 上一篇:用于生成漫画头像生成模型的方法和装置
- 下一篇:面部表情识别方法及装置