[发明专利]基于sEMG建立的人手姿态模式在线识别方法

摘要

基于sEMG建立的人手姿态模式在线识别方法，它涉及一种人手姿态模式在线识别方法。本方法的步骤为：对人手姿态模式进行必要的规划；手部姿态模式识别的电极位置在假手使用者的前臂处肌肉的相应位置佩戴肌电电极；假手使用者按照规划的各种姿态模式采集各激发态模式内的原始肌电数据并进行特征提取；通过两个决策函数实现在线识别控制，将放松态与激发态、激发态之间各种模式的识别分别采用不同的决策函数来识别。本发明方法可使假手具有实时性好、仿生性能好、抓握物体可靠性好等优点。

主权项

1.一种基于sEMG建立的人手姿态模式在线识别方法，其特征在于它是按照以下步骤实现的：步骤一、对人手姿态模式进行必要的规划：将拇指、食指以及其余指分别作为单一自由度，并将三者的放松、弯曲、伸展各自作为一个“态”，分别使用0、-1、1来表示，排列组合共得到27种不同的手部姿态模式，基于假手使用者训练时各模式之间的简易过渡性能，对所有模式进行了重新排列，设定模式1为放松态，模式2至模式27为激发态；姿态模式在线识别之前，需要试者熟悉人手姿态模式规划序列；步骤二、根据步骤一中所述的手部姿态模式识别的电极位置在假手使用者的前臂处肌肉的相应位置佩戴肌电电极：所述前臂处肌肉是指拇短伸肌、拇长屈肌、食指固有伸肌、指浅屈肌和指总伸肌，在所述的五块肌肉上放置6枚肌电电极，分别对应6种基本的手部姿态模式：拇指伸展、拇指弯曲、食指伸展、食指弯曲、三指伸展及三指弯曲，并用于全部27种手部姿态模式的识别；步骤三、假手使用者按照步骤一中规划的各种姿态模式采集各激发态模式内的原始肌电数据并进行特征提取，采集基于阈值决策进行，将满足阈值决策的激发态特征进行分别保存，并进行分类器的训练；步骤四、完成步骤三后，通过两个决策函数实现在线识别控制，将放松态与激发态、激发态之间各种模式的识别分别采用不同的决策函数来识别：a、建立阈值决策函数：$f_1\left(t\right)=\mathrm{sgn}\left(\underset{i=1}{\overset{6}{\Sigma }}(\mathrm{sgn}(S_i\left(t\right)-T_i)+4)\right)---\left(1\right)$上式中Si(t)为t时刻的肌电信号各通道的特征值，Ti为通道对应的阈值，sgn是符号函数(sgn(0)＝1)，函数(1)用来识别放松态和激发态；b、建立两类间分类决策函数(分类器决策)：$f_2\left(x\right)=\mathrm{sgn}(\underset{i=1}{\overset{l}{\Sigma }}{\alpha }_i{y}_{i}K(x,x_i)+b)---\left(2\right)$式中αi为拉格朗日乘子，αi的上界为C，C为常数，其控制对错分样本惩罚的程度。一般αi为不全为零的向量，非零对应的xi即为此模式的支撑向量；x，xi分别为待分及分类模式内全部特征向量，特征向量可以为多通道信号样本值；yi为样本对应的样本标号，-1或1；b为分类阈值；经过各种激发态模式的两两训练，得到分类决策组，函数(2)用来识别激发态之间的各种模式。