[发明专利]一种基于多扩展率压缩卷积的太极拳动作识别方法

权利要求书

1.一种基于多扩展率压缩卷积的太极拳动作识别方法，具体步骤如下：

S1、采集太极拳动作肌电数据，并进行数据预处理；

S2、提取源信号的时域特征，构建特征矩阵；

S3、通过多扩展率压缩卷积算法提取跨通道压缩特征序列；

S4、基于步骤S3得到的源数据和四种时域特征的压缩特征序列，进行融合得到多维度的融合特征矩阵，再通过长短期记忆网络得到时序关系特征，最后通过全连接层得到动作识别结果，完成太极拳动作识别。

2.根据权利要求1所述的一种基于多扩展率压缩卷积的太极拳动作识别方法，其特征在于，所述步骤S1具体如下：

通过表面肌电设备，即电极贴片，收集指导者打太极拳各个动作时上肢、下肢、躯干各部的肌电信号；

将每个电极贴片固定在上肢肌、下肢肌、躯干肌所对应的位置上，一共C片电极贴片；

确认佩戴稳固并连接好采集系统后，指导者开始进行各个动作的操习；收集到的每条数据有C个通道；

然后对采集到的数据进行预处理，具体如下：

首先进行低通滤波：

用四阶巴特沃斯滤波器对信号进行低通滤波，截止频率的经验值为5Hz，针对不同的设备和具体应用场景进行适当调节；

再进行陷波整流处理：

用陷波滤波器对信号进行陷波滤波，依据采集设备的电子噪声频率设定陷波频率，默认设置为50Hz及其倍数，针对不同的设备和具体应用场景进行适当调节，并对陷波节点进行平滑处理；

将预处理后的肌电数据称为源信号，表示为S，其维度为C×T，将S的第c个通道的数据序列表示为S^c,c∈(1,C)，每个通道序列长度为T，C表示数据序列的通道总数。

3.根据权利要求1所述的一种基于多扩展率压缩卷积的太极拳动作识别方法，其特征在于，所述步骤S2具体如下：

对每个S^c,c∈(1,C)，使用长度为L的窗来生成特征序列；

S21、在长度为T的源信号前面以长度为(L/2)-1的零值进行填充，后面以长度为L/2的零值进行填充，形成长度为T+L-1的扩充信号序列；

S22、从扩充序列的头部开始加窗，长度为L；

S23、计算窗内信号的特征值，表示为

其中，c表示通道编号，type表示特征种类，包括绝对均值MAV、均方根RMS、波形长度WL和标准差SD四种特征；

通道c中长度L的窗内信号的绝对均值MAV反映太极拳动作的局部强度信息，表达式计算如下：

其中，S^c(t)表示源信号通道c的数据序列中第t个采样点的信号值，L表示加窗的长度，即窗口对应序列内采样点的个数；

通道c中长度L的窗内信号的均方根RMS反映太极拳动作过程肌电信号包含的能量信息，表达式计算如下：

通道c中长度L的窗内信号的波形长度WL表示肌电信号波形的累积长度，反映太极拳动作的波动情况和持续时长，表达式计算如下：

通道c中长度L的窗内信号的标准差SD表示信号能量的动态分量，反映太极拳动作所包含的能量信息，表达式计算如下：

其中，表示窗口内肌电信号平均值；

S24、窗口向后移动，步长为1，重复步骤S23、S24，直到窗口包含了序列的所有值，得到S^c的特征序列

其中，type∈{MAV，RMS，WL，SD}；

S25、将各通道的特征序列组合成一个特征矩阵S_type，维度为C×T；

综上，每个源信号S得到四个特征矩阵，分别表示为绝对均值矩阵S_MAV、均方根矩阵S_RMS、波形长度矩阵S_WL、标准差矩阵S_SD。