[发明专利]基于SEMG的人手手内动作识别方法

权利要求书

1.基于SEMG的人手手内动作识别方法，其特征在于：包括以下步骤；

1)自定义人手动作：结合人手操作的常用动作，设计多种人手动作；

2)数据采集：通过SEMG采集装置采集获取每一种人手动作的原始肌电信号，并将多通道的原始肌电信号通过无线传输至上位机；

3)数据预处理：采用经验模态分解(EMD)算法对SEMG采集系统采集的原始肌电信号进行降噪处理；

4)特征提取：采用最大Lyapunov指数(MLE)算法对经过降噪处理后的肌电信号进行特征提取，从而获得用于人手动作分类的特征集；

5)识别算法：采用随机森林算法(RF)对获得的特征集进行动作分类。

2.根据权利要求1所述的基于SEMG的人手手内动作识别方法，其特征在于：上述步骤2)中，所述SEMG采集装置包括肌电仪主设备、电极袖套、通用电极接口转换器、蓝牙模块和电极连线，所述电极袖套上固定有采样电极，所述采样电极的连接接口通过通用电极接口转换器和电极连线与肌电仪主设备连接，所述肌电仪主设备由蓝牙模块将原始肌电信号上传至上位机。

3.根据权利要求1所述的基于SEMG的人手手内动作识别方法，其特征在于：上述步骤3)中，所述经验模态分解(EMD)算法通过对原始肌电信号的分解将噪声和有效信号在不同的固有模态函数(IMF)中分离，选择合理地固有模态函数(IMF)重构信号；

设SEMG信号的原始数据序列为X(t),(t＝1,L,6)，经验模态分解(EMD)算法对SEMG信号去噪过程为：

(1)求取X(t)的所有极值点P(t)＝{P_min(t),P_max(t)}

(2)用插值法对极小值点拟合为下包络，即P_min(t)→E_min(t)；对极大值点拟合为上包络，即P_max(t)→E_max(t)

(3)计算包络均值A(t)＝(E_min(t)+E_max(t))/2

(4)获取平稳数据序列S(t)＝X(t)-A(t)

(5)对残余的A(t)重复步骤(1)～(4)，得到第一个IMF分量C_IMF(1)

(6)产生新数据序列D(1)＝X(t)-C_IMF(1)，对D(1)重复步骤(1)～(5)，得到第二个IMF分量C_IMF(2)

(7)重复步骤(1)～(6)，直到最后一个数据序列D(n)不可分解，得到IMF集{C_IMF(1),C_IMF(2),L,C_IMF(n)}；

在每个通道信号中执行经验模态分解(EMD)后，得到一组固有模态函数集为：

其中δ_n为原始SEMG信号提取n个IMFs C后的残差。