[发明专利]一种用于手腕动作识别的生物启发式网络模型设计方法

权利要求书

1.一种用于手腕动作识别的生物启发式网络模型设计方法，包括如下步骤：

步骤1，建立以肌电信号到腕部关节自由度的网络模型；

步骤2，采用以生物学知识为导向的网络参数初始化规则对网络模型的参数初始化；

步骤3，基于反向传播算法优化网络模型的参数；

步骤4，识别腕部动作。

2.如权利要求1所述的一种用于手腕动作识别的生物启发式网络模型设计方法，其特征在于，所述步骤1具体为：构建网络模型，包括：第一层为肌肉群激活层，第二层为单肌肉激活层和第三层为肌肉骨骼层，所述网络模型的输入层为肌肉群激活层，输入为肌电信号MAV特征值，肌肉群激活度为最终输出层是肌肉骨骼层，输出为腕部关节自由度的运动状态，骨骼关节的自由度状态单肌肉激活层为隐藏输出层，输出是单肌肉激活度，是单肌肉激活层中的节点数其中，n₀是输入层中节点的数量，即sEMG通道的数量，n₁是单肌肉激活层中的节点数，即涉及的肌肉数，n₂是肌肉骨骼层中节点的数量，即涉及的腕部关节自由度数量；骨骼关节状态y_i表示每个关节自由度的角度。

3.如权利要求1所述的一种用于手腕动作识别的生物启发式网络模型设计方法，其特征在于，所述步骤2具体为：

定义一块肌肉对电极捕获的sEMG信号的贡献与电极与肌肉之间的距离成反比，从距离中推导出生物权重是肌肉对肌肉群激活的贡献率，通过人体前臂肌肉三维建模及电极位置的定位，得到计算距离：

其中Ω_j是肌肉j的空间集，为电极i放置位置，距离与肌肉贡献率成反比，距离d越小，肌肉贡献率就越大；

对参数进行初始化，表达式为：

其中α为可调整的系数，其中归一化的距离为:

其中max取其最大值，min取其最小值。

根据解剖学知识，涉及腕部六个手势动作的前臂肌肉主要由9块肌肉组成，控制着腕部的三个自由度包括旋前/旋前(PRO/SUP)，屈曲/伸展(FLE/EXT)和桡侧/尺侧偏移(RD/UD)的运动，是指肌肉对于关节自由度的贡献率，初始化公式如下：

其中k_i是涉及的肌肉的作用数，n_j是涉及的动作的相关肌肉数。

4.如权利要求3所述的一种用于手腕动作识别的生物启发式网络模型设计方法，其特征在于，所述步骤3具体为：通过反向传播算法对网络模型参数作进一步优化，以提高模型的识别率，定义输出误差为；

其中E表示损失误差，d_j表示期望输出，n₂表示输出层的节点，

则的更新公式为：

其中η为步长因子，其中

更新公式为

其中为

5.如权利要求4所述的一种用于手腕动作识别的生物启发式网络模型设计方法，其特征在于，所述步骤4具体为：

采用sigmoid函数作为输入层到隐藏层的传递函数，公式如下：

其中O_j是第j肌肉激活度，e_i是EMG信号的MAV特征的肌肉群激活度；

从隐藏层到输出层的传递函数如下：

y_j是网络模型结构的输出，表示腕部的关节状态。