[发明专利]一种匹配多套肌肉协同模式的方法及系统

权利要求书

1.一种匹配多套肌肉协同模式的方法，其特征在于，包括以下步骤：

A、预处理：采集人运动过程中的多块肌肉表面肌电信号，对其进行非负矩阵分解，得到肌肉协同模式及激活时间序列；对得到的多套肌肉协同模式MS进行二范数归一化；

B、设置基准排序：设定第一套MS的模式向量排序不变；

C、择优匹配：对第M套MS的向量排序时，M≥2，先逐一计算与此前所有已排序MS的排序结果，并从中确定最优排序为该套MS的向量排序结果，储存重排后MS；

所述步骤C具体包括：

C1、初始化N=1，N≤M-1；

C2、遍历第M套MS与第N套已重排MS的模式组合情况，并计算皮尔逊相关系数以量化相似性，确定相似值最高的组合为MS排序结果，记为O_N；

C3、当第M套MS以O_N排序时，两两计算M套MS之间的相似值并求平均，均值记为R_N；

C4、当N≤M-2，N=N+1，重复步骤C2、C3；

C5、依据R_N最大值所对应的O_N对第M套MS的向量进行排序，并储存重排结果；

所述步骤C2具体包括：

C21、记第M、N套 MS的模式向量数目分别为L_M及L_N；

C22、若L_M=L_N，则跳转到步骤C23完成配对；若L_M≠L_N，则跳转到步骤C24完成配对；

C23、遍历两套MS的各种组合情况，并计算每对模式向量的皮尔逊相关系数值，求平均得到均值相似性；

C24、记L_I为L_M、L_N中的较小值，L_A为较大值，根据步骤C23匹配L_I对模式向量，将剩余K个向量根据最高相似值与对象MS匹配，将所得L_A个相似性值求平均得到均值相似性，其中K=L_A-L_I

D、逐一匹配：对每套MS均进行择优匹配，直至全部MS匹配完成。

2.根据权利要求1所述的方法，其特征在于，所述步骤A中对得到的多套肌肉协同模式MS进行二范数归一化是将每套MS中各个模式向量中的每个元素

3.一种匹配多套肌肉协同模式的系统，其特征在于，包括以下模块：

预处理模块：采集人运动过程中的多块肌肉表面肌电信号，对其进行非负矩阵分解，得到肌肉协同模式及激活时间序列；对得到的多套肌肉协同模式MS进行二范数归一化；

设置基准排序模块：设定第一套MS的模式向量排序不变；

择优匹配模块：对第M套MS的向量排序时，M≥2，先逐一计算与此前所有已排序MS的排序结果，并从中确定最优排序为该套MS的向量排序结果，储存重排后MS；

所述择优匹配模块具体包括：

C1、初始化N=1，N≤M-1；

C2、遍历第M套MS与第N套已重排MS的模式组合情况，并计算皮尔逊相关系数以量化相似性，确定相似值最高的组合为MS排序结果，记为O_N；

C3、当第M套MS以O_N排序时，两两计算M套MS之间的相似值并求平均，均值记为R_N；

C4、当N≤M-2，N=N+1，重复步骤C2、C3；

C5、依据R_N最大值所对应的O_N对第M套MS的向量进行排序，并储存重排结果；

所述步骤C2具体包括：

C21、记第M、N套 MS的模式向量数目分别为L_M及L_N；

C22、若L_M=L_N，则跳转到步骤C23完成配对；若L_M≠L_N，则跳转到步骤C24完成配对；

C23、遍历两套MS的各种组合情况，并计算每对模式向量的皮尔逊相关系数值，求平均得到均值相似性；

C24、记L_I为L_M、L_N中的较小值，L_A为较大值，根据步骤C23匹配L_I对模式向量，将剩余K个向量根据最高相似值与对象MS匹配，将所得L_A个相似性值求平均得到均值相似性，其中K=L_A-L_I；

逐一匹配模块：对每套MS均进行择优匹配，直至全部MS匹配完成。