[发明专利]一种基于sEMG的不同负载下手腕角度预测方法及装置

权利要求书

1.一种基于sEMG的不同负载下手腕角度预测方法，其特征在于，包括以下步骤：

S1，通过表面肌电采集仪采集原始手腕表面肌电信号，并通过角度传感器采集相应的角度信息；

S2，对表面肌电信号以及角度信号进行工频噪声滤波处理，在工频滤波的基础上，运用小波滤波算法对整个频段信号进行滤波处理；

S3，通过对时域以及频域特征进行过滤处理，构建具有最大相关性的肌电特征集；利用主成分分析算法对特征组合信号进行降维处理，去除冗余通道特征，并进行信号同步化定位和归一化处理，得到最佳肌电特征组合；

S4，将所述最佳肌电特征组合输入到遗传算法优化的极限学习机网络模型中，预测手腕角度变化；

所述的通过对时域以及频域特征进行过滤处理，构建具有最大相关性的肌电特征集，包括：

对信号进行时间域的统计运算得到均方根RMS作为信号的时域特征；

通过傅里叶变换将时域信号变换成频域中的功率谱或频谱，提取中值频率MDF作为信号的频域特征；

根据下式计算表面肌电信号的均方根RMS：

式中，N代表样本数据个数，x_i代表肌电信号值；

根据下式计算表面肌电信号的中值频率MDF：

式中，P_j表示频带处的肌电信号功率谱，M表示频带长度；

融合均方根和中值频率得到具有最大相关性的肌电特征集feature＝{RMS,MDF}。

2.根据权利要求1所述的方法，其特征在于，所述的对表面肌电信号以及角度信号进行工频噪声滤波处理，包括：

获取表面肌电信号采集仪的采集频率；

设计多阶梳状滤波器对表面肌电信号以及角度信号进行工频噪声滤波处理，所述多阶梳状滤波器的阶数＝表面肌电信号采集仪的采集频率/50Hz。

3.根据权利要求1或2所述的方法，其特征在于，所述的在工频滤波的基础上，运用小波滤波算法对整个频段信号进行滤波处理，包括：根据实际信号特征，分别选取合适的小波基函数、阈值函数以及阈值；其中，所述的小波基函数包括Haar小波、dbN小波、symN小波、coifN小波；

将小波滤波算法中分解得到的小波系数w的平方a按照由小到大的顺序排列，得到一个新的向量NV：NV＝[a₁,a₂,...,a_n],a₁≤a₂≤...≤a_n；

对于向量NV的每个元素的下标k，1≤k≤n，按下式计算风险向量Risk(k)：

求出风险向量Risk(k)的最小点所对应的下标k，然后根据下式计算阈值λ：

利用下式对小波系数进行修正：

w为小波系数；w_λ为针对阈值λ修正后的小波系数。

4.根据权利要求1所述的方法，其特征在于，所述步骤S2还包括建立信噪比系数评价模型，对小波滤波效果进行评价；

信噪比SNR计算方法如下：

式中，x_i表示经过小波滤波后的信号，y_i表示原始噪声信号。

5.根据权利要求1所述的方法，其特征在于，所述的，将所述最佳肌电特征组合输入到遗传算法优化的极限学习机网络模型中，预测手腕角度变化，包括：

假设f(x,y)是随机变量x和y的联合概率密度函数，X是x的观测值，即为实际的手腕角度，y为关于X的回归，条件均值如下式所示：