[发明专利]手势分类器的构建方法、外骨骼机器人控制方法及装置

说明书

本发明实施例涉及一种手势分类器的构建方法、外骨骼机器人控制方法及装置，所述外骨骼机器人控制方法包括：通过肌电信号采集模块采集肌电信号；对所述肌电信号的活动段进行变换，得到对应的频谱图像；将所述频谱图像输入至手势分类器，得到所述肌电信号对应的手势动作；基于所述手势动作生成控制所述外骨骼机器人的控制指令，以及基于所述控制指令控制所述外骨骼机器人的外骨骼运动。由此，可以实现高效、准确地提取肌电信号的特征，继而实现后续的肌电信号分类识别。

技术领域

本发明实施例涉及机器人技术领域，尤其涉及一种手势分类器的构建 方法、外骨骼机器人控制方法及装置。

背景技术

肌电信号是众多肌纤维中运动单元动作电位在时间和空间上的叠加， 能在一定程度上反映神经肌肉的活动，因此，肌电信号在临床医学、人机 功效学、康复医学以及体育科学等领域均有重要的实用价值。其中，在康 复医学领域中，最常见的是通过人体肌肉的肌电信号来控制假体运动。在 应用中，要实现这一功能则需要对人体肌肉的肌电信号进行特征提取，以 基于提取出的特征识别出人体的动作意图。

目前，随着传感器技术的不断发展，采集到的肌电信号的质量也越来 越高，为此研究人员需要改进肌电信号的特征提取与分类识别方法。针对 肌电信号的特征提取，研究人员主要从设计新的特征、组合不同特征、改 进现有的特征降维方法等方面进行研究；针对肌电信号的分类识别，研究 人员则主要从优化分类器参数方面进行研究。

然而，特征设计过程本身就很繁杂，而且现在已经存在大量已经试验 验证过的特征，因此设计新的特征十分困难；组合不同特征和改进现有的 特征降维方法也需要研究人员付出大量时间精力。同时经过研究人员多年 的研究，通用的分类模型也已尝试殆尽，想为分类模型选取更好的参数也 十分困难。由此可见，肌电信号的特征提取与分类识别已成为亟待突破的 难题。

发明内容

鉴于此，为解决上述对肌电信号进行特征提取与分类识别困难的技术 问题，本发明实施例提供一种手势分类器的构建方法、外骨骼机器人控制 方法及装置。

第一方面，本发明实施例提供一种手势分类器的构建方法，所述方法 包括：

获得至少一组包含手势动作与用户在做出所述手势动作过程中的肌电 信号的对应关系；

分别对每一组所述对应关系中的肌电信号的活动段进行变换，得到训 练样本集合，其中，每条训练样本以变换得到的频谱图像为输入值，以所 述手势动作为标签值；

基于所述训练样本集合对卷积神经网络进行训练，得到手势分类器， 所述手势分类器以频谱图像为输入值，以手势动作为输出值。

在一个可能的实施方式中，所述分别对每一组所述对应关系中的肌电 信号的活动段进行变换，包括：

采用连续小波变换算法分别对每一组所述对应关系中的肌电信号的活 动段进行变换，得到对应的频谱图像。

在一可能的实施方式中，所述分别对每一组所述对应关系中的肌电信 号的活动段进行变换，包括：

针对每一组所述对应关系，基于采集时间将所述对应关系中的肌电信 号进行分组，得到多个信号组；

分别对每一所述信号组中肌电信号的活动段进行变换，得到对应的频 谱图像。

在一可能的实施方式中，所述基于采集时间将所述对应关系中的肌电 信号进行分组，得到多个信号组，包括：

按照预设的窗口长度将预设的采集时间段划分为多个时间窗口；每相 邻两个时间窗口间具有重叠部分；

基于各所述时间窗口将所述对应关系中的肌电信号进行分组，得到多 个信号组；同一信号组中肌电信号的采集时间落入同一时间窗口，不同信 号组属于不同的时间窗口。