[发明专利]基于表面肌电信号分解的手部动作识别方法

摘要

本发明涉及一种基于表面肌电(sEMG)分解的手部动作识别方法，所述方法包括两部分sEMG信号分解得到运动单元动作电位序列(MUAPT)；以及基于MUAPT手部动作识别方法。其中sEMG信号分解由sEMG信号预处理、sEMG尖峰检测及高斯混合模型(GMM)聚类组成；而基于MUAPT的手部动作识别包括特征提取、主成分分析(PCA)降维，LDA分类等。本发明在仅仅使用一个通道sEMG的条件下，利用sEMG信号分解得到的运动单元动作电位信息，对手部动作进行识别，有效提高了单通道sEMG识别率，具有重要的理论意义和实际应用价值。

主权项

一种基于sEMG分解的手部动作识别方法，其特征在于：采集旋前方肌处sEMG信号；采用二阶差分滤波方法对采集到的sEMG信号进行滤波；对滤波后的sEMG信号，进行尖峰检测，得到的所有尖峰组成样本矩阵；对样本矩阵采用PCA方法降维；将降维后的样本矩阵采用高斯混合模型进行聚类，得到MUAPT；将得到的MUAPT，采用滑动平均方法进行处理，提取相应特征，并组成特征向量；对特征向量采用PCA降维；降维后的样本利用LDA进行分类，得到不同的手部动作；所述对滤波后的sEMG信号进行尖峰检测包括以下过程：阈值的计算公式如下：α=c1[Σt=1T1xt2I(α,t)/Σt=1T1I(α,t)]]]>其中，c1＝3.5,xt是滤波后的sEMG信号，记录滤波后的sEMG信号中，由下向上穿越阈值α的采样点xi，以及与之邻近的由上向下穿越阈值的采样点xi+k；xi到xi+k中的最大值即为尖峰峰值：peaki＝max(xi,xi+1,...,xi+k)其中，peaki为尖峰峰值；确定尖峰峰值位置后，则一个尖峰由其相邻的八个采样点组成：spikei＝{peaki‑3,...,peaki,...,peaki+4}其中spikei为一个尖峰；所述所有尖峰组成样本矩阵：SPIKE=peaki-3,peaki-2,peaki-1,peaki,peaki+1,peaki+2,peaki+3,peaki+4peakj-3,peakj-2,peakj-1,peakj,peakj+1,peakj+2,peakj+3,peakj+4...peakk-3,peakk-2,peakk-1,peakk,peakk+1,peakk+2,peakk+3,peakk+4q×8]]>其中，SPIKE是所有尖峰组成样本矩阵，peaki为尖峰峰值，q指sEMG信号中检测到的尖峰的个数。