專利名稱：一種表面肌電信號的特征提取及動作模式識別方法
技術領域：
本發明涉及ー種表面肌電信號(SEMG)的特征提取及動作模式識別方法，具體涉及四種手部動作的前臂表面肌電信號的特征提取和模式識別，屬于信號處理和模式識別領域。
(ニ)
背景技術：
隨著肌電信號檢測、識別技術的不斷發展，肌電信號在假肢控制、肌肉疾病診斷、運動生物力學等得到了廣泛的研究和應用。表面肌電信號是人體淺層肌肉電信號和神經干上電活動的綜合效應。相對于針形電極測量的肌電信號，表面肌電信號在測量上具有非侵入性、無創傷、操作簡單等優點，因此成為人工假肢的理想控制信號。不同的肢體動作具有不同的肌肉收縮模式，這些模式的差別反映在肌電信號特征的差異上，通過辨別出這些差異以區分不同的肌肉動作，從而使假肢動作更自然，控制更方便。但人體表面肌電信號是ー種低頻的微弱生物電信號，在本質上是ー種具有非平穩、非高斯特性的生理信號，必須通過合適的信號特征提取、模式識別分類方法來區分不同的肌肉動作。因此肌電信號的動作模式識別的研究對假肢控制技術的發展具有重要的意義。
發明內容
I、目的有鑒于此，本發明的目的是提供ー種表面肌電信號的特征提取及動作模式識別方法，它首先對表面肌電信號進行特征提取、構建多參數特征向量并進行橫向歸ー化處理，在此基礎上用BP神經網絡進行模式識別，在一定范圍內，使識別率達到100%。2、技術方案為達到上述目的，本發明的技術方案是這樣的本發明ー種表面肌電信號的特征提取及動作模式識別方法，該方法包括以下步驟步驟I.對采集到的不同動作的表面肌電信號進行分組；步驟2.對每組信號進行時域特征參數提取；步驟3.對提取的時域特征參數構建多參數的特征向量；步驟4.對不同動作的相同參數做橫向比較并歸一化處理；步驟5.用BP神經網絡對特征向量進行訓練和識別；其中，步驟I所述的信號分組是根據閾值法確定起始點，根據動作發生的時間確定采樣的點數及動作的終止點。其中，步驟2所述的提取的時域特征參數為絕對值積分、方差和過零點數。三個時域特征參數的定義及提取如下(I)絕對值積分(IAV) 其計算式為
權利要求
1.一種表面肌電信號的特征提取及動作模式識別方法，其特征在于該方法具體步驟如下 步驟I.對采集到的不同動作的表面肌電信號進行分組； 步驟2.對每組信號進行時域特征參數提取； 步驟3.對提取的時域特征參數構建多參數的特征向量； 步驟4.對不同動作的相同參數做橫向比較并歸一化處理； 步驟5.用BP神經網絡對特征向量進行訓練和識別。
2.根據權利要求I所述的一種表面肌電信號的特征提取及動作模式識別方法，其特征在于步驟I所述的對信號進行分組是根據閾值法確定起始點，根據動作發生的時間確定采樣的點數及動作的終止點。
3.根據權利要求I所述的一種表面肌電信號的特征提取及動作模式識別方法，其特征在于步驟2中所述的提取的時域特征參數為絕對值積分、方差和過零點數，三個時域特征參數的定義及提取如下 (1)絕對值積分IAV 其計算式為琢=iw⑴ i=\ 其中，i為每組的采樣點數，Xi為表面肌電信號采樣的數據點值； (2)過零點數ZC 過零點數即信號中波形穿越零電平的次數，用來描述波形在幅度上變化的劇烈程度，反映了信號的變化趨勢，將其作為肌電信號的一個特征，其計算公式如下 ZC = Y4^-XiXm)(2) i=\ fl if x>0,、 sgn(x) = ]( 3 ) [O otherwise 其中，Xi為表面肌電信號釆樣的數據點值； (3)方差VAR 其計算方式為 FAR^^—T (X1-X)2(4) 它是信號功率的測量，其中x為信號的平均值，N為每組的采樣點數。
4.根據權利要求I所述的一種表面肌電信號的特征提取及動作模式識別方法，其特征在于步驟3所述的“對提取的時域特征參數構建多參數的特征向量”是指每個動作兩路信號共六個參數來構建一個特征向量。
5.根據權利要求I所述的一種表面肌電信號的特征提取及動作模式識別方法，其特征在于步驟4所述的對不同動作的相同參數做橫向比較并歸一化處理，即為對同一個人的N種不同動作的相同參數作橫向比較，進行歸一化處理。
6.根據權利要求I所述的一種表面肌電信號的特征提取及動作模式識別方法，其特征在于步驟5所述的BP神經網絡即誤差反向傳播的神經網絡，其算法的基本思想是梯度下降法；它采用梯度搜索技術，以期使網絡的實際輸出值與期望輸出值的誤差均方值為最小；神經網絡不僅具有自學習、自組織和并行處理特征，還具有很強的容錯能力和聯想能力，故神經網絡對輸入輸出數據具有模式識別的能力； 以平均值樣本為例，用于訓練的BP網絡包括輸入層神經元、隱層神經元和輸出層神經兀;BP網絡的訓練過程如下正向傳播是輸入信號從輸入層經隱層傳向輸出層，若輸出層得到了期望的輸出，則學習算法結束；否則，轉至反向傳播； 網絡的學習算法如下 (1)前向傳播計算網絡的輸出； 隱層神經元的輸入Xj為所有輸入的加權之和
全文摘要
本發明一種表面肌電信號的特征提取及動作模式識別方法，它有五大步驟步驟1.對采集到的不同動作的表面肌電信號進行分組；步驟2.對每組信號進行時域特征參數提取；步驟3.對提取的時域特征參數構建多參數的特征向量；步驟4.對不同動作的相同參數做橫向比較并歸一化處理；步驟5.用BP神經網絡對特征向量進行訓練和識別。本發明首先對表面肌電信號進行特征提取、構建多參數特征向量并進行橫向歸一化處理，在此基礎上用BP神經網絡進行模式識別，在一定范圍內，使識別率達到100％。它在信號處理和模式識別領域里具有實用價值和良好的應用前景。
文檔編號A61F2/72GK102622605SQ20121003538
公開日2012年8月1日 申請日期2012年2月17日 優先權日2012年2月17日
發明者劉奕寧, 劉金琨, 陳彥橋 申請人:國電科學技術研究院