[发明专利]基于遗传算法广义典型相关分析的肌电信号特征融合方法

摘要

本发明提出一种基于遗传算法广义典型相关分析的肌电信号特征融合方法。获取人体做日常行为动作时四路肌电信号的平均幅值，威尔逊振幅，模糊熵，小波能量系数，由4路肌电信号各4各特征组成16维特征向量。提取16维标准样本特征向量X、训练样本特征向量Y。分别计算X,Y的类内离散度矩阵和类间离散矩阵，最后求得使广义典型相关判别准则最大的广义正则投影向量。对GCPV择优选取，得到新的GCPV将原特征投影到新空间，成为结合遗传算法的GCCA(GA‑GCCA)；将原特征通过新得到的GCPV投影到新平面上，获得最终融合的肌电信号特征向量S。本发明有效地减小了维数，并在改善单调性的同时动态地选择了最佳特征向量。

主权项

1.基于遗传算法广义典型相关分析的肌电信号特征融合方法，其特征在于该方法包括如下步骤：步骤(1).在人体做日常行为动作时采集人体腓肠肌、胫骨前肌、股内肌、股外肌共四路肌电信号，获取四路肌电信号的平均幅值MA，威尔逊振幅WAMP，模糊熵FE，小波能量系数EWT，由4路肌电信号各4个特征组成16维特征向量；在标准动作时提取16维标准样本特征向量X，训练时提取训练样本特征向量Y；步骤(2).设和分别表示标准样本特征向量X和训练样本特征向量Y的类内离散度矩阵；其中，x_ij∈X,y_ij∈Y是i类的第j个训练样本，N为该类的总训练样本数，C为总类数，是类i的样本平均向量；X与Y的类间离散矩阵为：由于要使类间距离最大，类内距离最小，因此通过标准样本特征向量X和训练样本特征向量Y构造广义典型相关判别准则J(x,y)，公式如下：求得使J(x,y)最大化的广义正则投影向量u和v；步骤(3).根据广义正则投影向量u和v获取组合特征广义正则判别向量X*，Y*从组合特征广义正则判别向量X*，Y*获取特征向量W1，W2，计算如下：步骤(4).通过遗传算法GA对广义正则投影向量GCPV择优选取，得到新的GCPV将原特征投影到新空间，成为结合遗传算法的GCCA(GA‑GCCA)；通过GA对广义正则投影向量GCPV择优选取后，并通过动态加权方式，将原特征通过新得到的GCPV投影到新平面上，获得最终融合的肌电信号特征向量S；遗传算法如下：1)编码；采用二进制编码方法，二进制码的每一位的值，“0”表示特征未被选中，“1”表示特征被选中；2)初始群体的生成；随机产生N个初始串构成初始种群；3)适应度函数；4)将适应度最大的个体，即种群中最好的个体无条件地复制到下一代新种群中，然后对父代种群进行选择、交叉和变异等遗传算子运算，从而繁殖出下一代新种群其它n‑1个基因串；5)如果达到设定的繁衍代数，返回最好的基因串，并将其作为特征选取的依据，算法结束；否则，回到4)继续下一代的繁衍；所述动态加权方式如下：Wi＝accui‑accumin+Wmin其中accui和Wi分别是第i个特征集合的识别率和权重；accumin和Wmin分别是识别率最低的特征集的识别率和权重；ri是第i个特征集合的权重系数。