[发明专利]无特征描述的多通道表面肌电动作意图识别法

权利要求书

1.一种无特征描述的多通道表面肌电动作意图识别法，其特点在于，包括如下步骤：

步骤1，对携带P个已知动作意图的表面肌电数据以矩阵的方式进行表达为X^(P)(P＝0,1,…,r-1)；之后经过数学运算，得到P个多维向量组成的矩阵H，并根据矩阵H计算出包含P个分域值组成的一维筛选矩阵F，以此作为对肌电信号进行动作意图筛选的标准；

其中，所述步骤1是按如下步骤进行：

步骤1.1，对记录的已知人体肢体动作的有效表面肌电数据以矩阵形式表达出来：

式中X_(i-1)(n-1)元素表示通道，每一列代表同一通道内的表面肌电数据，每一行中的每一个元素代表一个通道；

步骤1.2，有效表面肌电数据是f个通道组成(f＝0，1，…,n-1)，每个通道包含g种不同的属性值(g＝0，1，…,m-1)；

步骤1.3，人体肢体关节运动时，f个通道位于与之相关肌肉群处，且通道位置不做精确要求，k组f个通道有效表面肌电数据组成k行和(f×g)列的矩阵(k＝0，1，…，i-1)；

步骤1.4，根据协方差矩阵公式计算P个动作的有效表面肌电数据的协方差矩阵，并对P个动作的有效表面肌电数据的协方差矩阵进行累加，累加公式(1)如下：

式中，表示第n-1个通道的表面肌电数据的平均值，表示k组表面肌电数据与相对应通道内表面肌电数据平均值的差值；

步骤1.5，根据Gauss-Jordan消元法计算P个动作的有效表面肌电数据的协方差矩阵累加之后协方差矩阵的逆S^-1，计算公式(2)如下：

式中E表示单位矩阵；

步骤1.6，用线性判别分析法计算出P个动作意图的筛选分域值组成的一维筛选矩阵F，按如下步骤进行：

步骤1.6.1，根据如下公式(3)计算P个多维向量组成的矩阵H：

多维向量表达式为：

多维向量组成的矩阵H表达式为：

式中S^-1表示累加协方差矩阵的逆；

步骤1.6.2根据如下公式(4)计算P个动作的筛选分域值并以矩阵形式表示出来：

式中，表示每个动作每个通道包含g种不同属性值的平均值组成的一维矩阵，H表示多维向量组成的矩阵；

步骤2，对获取到的需要动作意图识别的表面肌电数据以一维矩阵形式表示，然后与步骤1中的P个多维向量组成的矩阵H做比对乘法运算，得到由P个对比值组成的一维矩阵V_j；

步骤3，以步骤1的一维筛选矩阵F作为筛选标准，对步骤2计算的对比值矩阵V_j和筛选标准进行做差运算并取最大值所对应的已知动作意图，来判定该表面肌电数据具体表达是哪一个动作意图。

2.如权利要求1中所述的无特征描述的多通道表面肌电动作意图识别法，所述步骤2按如下步骤进行：

步骤2.1，设置Y代表每组待动作意图识别的有效表面肌电数据；

步骤2.2，根据如下公式(5)计算有效表面肌电数据的对比值组成的矩阵V_j：

V_j＝Y·H (5)

式中H表示多维向量组成的矩阵。

3.如权利要求1中所述的无特征描述的多通道表面肌电动作意图识别法，所述步骤3是按如下步骤进行：

步骤3.1，根据如下公式(6)计算对比值矩阵V_j与筛选分域值矩阵F的偏差值：

L_j＝V_j-F^(P) (6)

步骤3.2，根据如下公式(7)，提取偏差矩阵中元素的最大值

步骤3.3，根据最大值对应的标准动作意图即可判定该表面肌电数据具体表达哪一个动作意图。