[发明专利]基于肌肉电阻抗信号的手势识别系统及方法

权利要求书

1.一种基于肌肉电阻抗信号的手势识别系统，其特征在于，包括：信号采集单元和上位机；所述信号采集单元包括主控模块、信号驱动模块、信号检测模块、AD采集模块和无线通信模块；所述主控模块与信号驱动模块、AD采集模块和无线通信模块分别连接；所述信号检测模块与信号驱动模块和AD采集模块分别连接；所述无线通信模块通过无线传输与上位机连接，将采集的信号传输至上位机，所述上位机根据得到的信号进行手势识别。

2.根据权利要求1所述的基于肌肉电阻抗信号的手势识别系统，其特征在于，所述信号驱动模块包括依次连接的人体表面测量电极、信号源电路、放大器电路和射级跟随电路。

3.根据权利要求1所述的基于肌肉电阻抗信号的手势识别系统，其特征在于，所述信号检测模块包括依次连接的滤波电路、稳压电路、相位极性鉴别电路和幅相检测电路。

4.根据权利要求1所述的一种基于肌肉电阻抗信号的手势识别系统，其特征在于，所述无线通信模块采用蓝牙、Zig-Bee或Wi-Fi。

5.一种基于肌肉电阻抗信号的手势识别方法，其特征在于，包括以下步骤：

步骤S1:通过信号采集单元采集人体小臂EIM信号，并传送至上位机；

步骤S2:上位机根据采集的到的V_MAG和V_PHS与信号衰减、相位差的关系计算出V_i和V_o的幅度比值和相位差；

步骤S3:根据欧姆定律，利用参考电阻将电压幅度比值和相位差换算为肌肉的阻抗模|Z|和φ,并进行归一化处理；

步骤S4:将归一化后的|Z|’和φ’作为两个变量，使用机器学习的方法训练手势分类模型，实现最终的手势分类。

6.根据权利要求5所述的基于肌肉电阻抗信号的手势识别方法，其特征在于，所述归一化处理采用Z-score标准化。

7.根据权利要求5所述的基于肌肉电阻抗信号的手势识别方法，其特征在于，所述机器学习的方法采用神经网络或支持向量机。

8.根据权利要求5所述的基于肌肉电阻抗信号的手势识别方法，其特征在于，所述机器学习的方法极限学习机分类器，包括输入层、隐含层和输出层，具体构建过程如下：

随机生成输入层和隐含层之间的连接权值；

计算隐含层的输出矩阵H，将输入数据映射至隐含层节点的结果；

最小化误差函数L=min ||Hβ-T||，其中T为网络的目标输出；

其中β为隐含层和输出层的权重向量，

引入正则化项后，其计算公式变为β=(HTH+1/C)-1HTH，得到最终的神经网络模型。