[发明专利]用于鲁棒肌电信号识别的数据增强方法

权利要求书

1.一种用于鲁棒肌电信号识别的数据增强方法，其特征在于，包括：

采集电极在基准位置的肌电信号；

对采集到的肌电信号进行数据分割和特征提取，构建初步的肌电特征图像；

根据重新佩戴电极后可能的偏移位置，对初步的肌电特征图像进行数据增强，得到用于鲁棒肌电信号识别的数据集；

所述根据重新佩戴电极后可能的偏移位置，对初步的肌电特征图像进行数据增强包括：根据重新佩戴电极后可能的偏移位置，将初步的肌电特征图像四周均填充i个像素点，扩展成(p+2i)×(q+2i)的肌电特征图像；其中，p为电极阵列的行通道数，q为电极阵列的列通道数；利用图像领域的插值方法，将扩展后的(p+2i)×(q+2i)肌电特征图像插值S倍，构建成m×n肌电特征图像，其长m＝S×(p+2i)，宽n＝S×(q+2i)；再采用一个a×b的滑动窗口在m×n肌电特征图像上剪裁出所有大小为a×b的子图像，其中a＝S×p，b＝S×q。

2.根据权利要求1所述的一种用于鲁棒肌电信号识别的数据增强方法，其特征在于，所述采集电极在基准位置的肌电信号包括：

所述电极为p×q的一定密度的电极阵列，其中，p为行通道数，q为列通道数；

采集电极阵列在基准位置的k种动作模式和静息状态下的肌电信号。

3.根据权利要求1或2所述的一种用于鲁棒肌电信号识别的数据增强方法，其特征在于，所述对采集到的肌电信号进行数据分割和特征提取，构建初步的肌电特征图像包括：

利用滑动窗技术，将肌电信号流分割为小段分析窗，窗长为W，滑动增量为L；

选取静息状态下肌电信号的分析窗，计算静息状态阈值Th，利用Th判断所有分析窗是否为肌肉收缩状态下的数据，若是，则打上相应动作模式标签并作为样本数据；

对每一个样本数据内的每一个通道的肌电信号提取c个特征，从而将每一个样本数据构建为初步的二维肌电特征图像。

4.根据权利要求1所述的一种用于鲁棒肌电信号识别的数据增强方法，其特征在于，该方法还包括：

利用数据增强得到的数据集训练预先构建的基于卷积神经网络的分类模型；

利用训练好的基于卷积神经网络的分类模型，对重新佩戴电极后采集到的肌电信号进行动作模式预测。

5.根据权利要求4所述的一种用于鲁棒肌电信号识别的数据增强方法，其特征在于，所述利用数据增强得到的数据集训练预先构建的基于卷积神经网络的分类模型包括：

将数据增强得到的数据集作为基于卷积神经网络的分类模型的输入，对基于卷积神经网络的分类模型中的超参数调整优化后，得到最优的超参数；

利用最优超参数建立分类模型，再利用数据增强得到的数据集对分类模型进行训练，得到训练好的基于卷积神经网络的分类模型。

6.根据权利要求4或5所述的一种用于鲁棒肌电信号识别的数据增强方法，其特征在于，所述利用训练好的基于卷积神经网络的分类模型，对重新佩戴电极后采集到的肌电信号进行动作模式预测包括：

重新佩戴电极时，电极位置尽量与基准位置一致，采集每一动作模式下的肌电信号，并构建初步的肌电特征图像；

将初步的肌电特征图像插值S倍后，输入至训练好的基于卷积神经网络的分类模型，得到动作模式预测结果。