[发明专利]无特征描述的多通道表面肌电动作意图识别法

说明书

本发明公开了一种无特征描述的多通道表面肌电动作意图识别法，其步骤包括：1.计算携带P个已知动作意图的表面肌电数据的多维向量并确定每个动作的分域值，以此作为对表面肌电数据进行动作意图筛选的标准。2.对获取的需要动作意图识别的表面肌电数据，与P个已知动作的多维向量组成的矩阵H做比对乘法运算得到对比值矩阵V_j。3.针对筛选矩阵F和对比值矩阵做矩阵减法运算求偏差值矩阵，提取偏差值矩阵中最大值元素并确定最大值对应的标准动作意图即为表面肌电数据所表示的动作意图。本发明利用无特征描述的多通道表面肌电对动作意图进行识别，能有效地避免因表面肌电特征描述不准确而影响识别结果的问题，从而能够提高动作意图识别的准确性和可靠性。

技术领域

本发明涉及多通道表面肌电信号动作意图识别的技术领域，特别是一种不需要对肢体运动的表面肌电做出特征描述的识别技术。

背景技术

人体的肢体动作实现是由单关节运动或者多关节运动组成的，而关节运动有滑动、屈伸、水平屈伸、收展、回旋和环转等运动；这些复杂的运动往往由多个肌肉协同参与完成。因此，准确识别多通道肌电信号共同的含义，无疑能更完整地表达人体肢体动作的意图。

当前的肌电信号动作识别技术，需要对某个已知运动意图的相应人体具体位置获得的表面肌电特征做出准确的描述。而前面陈述了人体的肢体关节运动往往由多个肌肉协同参与完成，不仅仅是肌肉收缩有运动学的含义，放松的肌肉同样也有运动学上的意义。仅仅关注肌肉收缩的肌电信号，无法完整地表达运动的意图。

因此，需要一种对参与关节运动的肌肉群的表面肌电所共同表达的意图进行识别的方法，而该方法不需要针对肢体运动的表面肌电做出具体的特征描述。

发明内容

本发明的目的就是解决现有技术中的问题，提出一种无特征描述的多通道表面肌电动作意图识别法，该方法利用协方差矩阵法、Gauss-Jordan消元法、线性判别式法对无特征描述的多通道表面肌电动作意图进行识别，能够在各种条件下对多通道表面肌电数据进行比对及动作意图识别，避免当人体肢体关节做不同动作时出现与之同相关的肌肉接收到相同的表面肌电数据（如收缩肌电信号或舒张肌电信号）情况而影响动作意图识别的准确性和可靠性，从而能够提高动作意图识别的准确性和可靠性。

为实现上述目的，本发明提出一种无特征描述的多通道表面肌电动作意图识别法，该方法利用协方差矩阵法、线性判别式分析法对有效的多通道表面肌电所表达的动作意图进行识别。本发明所述的无特征描述的多通道表面肌电动作意图识别法是按如下步骤进行。

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（P=0,1,…,r-1）；之后经过协方差矩阵运算、Gauss-Jordan消元法、线性判别式分析等数学运算，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，以此作为对表面肌电数据进行动作意图筛选的标准。

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。

针对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1是按如下步骤进行。

步骤1.1，对记录的P个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，如下所示。

。

式中元素表示通道，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。