[发明专利]基于肌电小波相干性和支持向量机的日常行为识别方法

摘要

本发明公开了一种基于肌电小波相干性和支持向量机的日常行为识别方法，本发明通过肌电信号采集仪采集人体相关肌肉的肌电信号，获取两路肌电信号的样本数据，使用一种改进小波阈值降噪方法进行预处理。计算两路肌电信号的小波相干系数。将所求得的小波相干系数作为特征向量输入支持向量机进行分类识别，成功识别了不同的日常行为，具有较高的识别率。本发明将小波相干性的肌电特征与支持向量机结合的方法，对人体日常行为识别具有较高的识别率和可靠性。实验结果表明，本发明方法对上楼、下楼、站立、行走、跑步、跌倒的平均灵敏度达96.17，平均特异度达92.29，高于一般传统的方法。

主权项

1.基于肌电小波相干性和支持向量机的日常行为识别方法，其特征在于：该方法包括如下步骤：步骤一，通过肌电信号采集仪采集人体相关肌肉的肌电信号，获取两路肌电信号x(t)和y(t)的样本数据，然后使用一种改进小波阈值降噪方法进行预处理；d_i与分别为阈值处理前后的小波系数，λ为阈值，N是正常数；步骤二，计算经步骤一预处理后的两路肌电信号的小波相干系数；W_x(a,b)是小波系数，是Morlet母小波函数，a是尺度因子，b是时移,t是局部时间原点,W_xy(a,b)是交叉小波变换，步骤三，以步骤二所求得的小波相干系数作为特征向量输入支持向量机进行分类识别；支持向量机需要求解下面方程的最小值来优化：该式服从：yi[(xi·ω)+b]≥1‑ξi,i＝1,2,...,N其中ω是超平面的法向量，ξi是满足上述方程的最小非负数，x是n维向量，b是一个标量，c为自变量，N是样本数量，y是要学习的模型；使用核函数定义下列公式：其中N表示支持向量的数量，k(x,xi)是核函数，ai是通过求解最优化问题得到的系数。