[发明专利]基于复杂网络的肌电信号采集位置选取方法

权利要求书

1.一种基于复杂网络的肌电信号采集位置选取方法，包括以下步骤：

步骤S1：采集肌电信号，

选取与运动相关的n个肌电信号采集点，采集M种运动模式的一个运动过程的肌电信号，

步骤S2：计算各肌电信号采集点连接关系，

对步骤S1采集到的肌电信号进行预处理，计算n个肌电信号采集点之间的连接关系，具体步骤如下：

步骤S21：选取肌电信号采集点a的EMG样本数据,采用移动时间窗进行处理，将其分为w个时间窗格；

步骤S22：选取第g＝1种运动模式的肌电信号，进行预处理；

步骤S23：选择肌电信号采集点a的EMG样本数据的第t个时间窗格，t＝1,2,…,w，设第t个时间窗格内的h个EMG样本数据为xat＝{xat(1)，xat(2)，…，xat(h)}，计算xat的时域特征值和频域特征值，共l个特征值，分别为Yat(1)，…，Yat(l)，由特征值Yat(1)，…，Yat(l)组成第t个时间窗格的特征向量Tat：

Tat＝[Yat(1)，Yat(2)，…，Yat(l)] (11)

步骤S24：以步骤S23得到的第t个时间窗格的特征向量Tat为行向量，w个时间窗格的特征向量构建得到w×l的矩阵Ta：

Ta＝[Ta1，Ta2，…Taw]T (12)

步骤S25：对步骤S24得到的矩阵Ta进行归一化处理，得到Ta'：

T′a＝[T′a1，T′a2，…，T′aw]T (13)

步骤S26：归一化之后，各肌电信号采集点a对应的第p个特征值为Ta'(p)，所有肌电信号采集点第p个特征值的构成一个w×n的特征矩阵Mp，其中p＝1，2，…，l，共构成l个特征矩阵；

Mp＝[T′1(p)，T′2(p)，…，T′n(p)] (14)

步骤S27：根据式(15)计算特征矩阵Mp的任意两列向量间的Pearson系数Cpij：

C p i j = Σ t = 1 w { [ M p i ( t ) - < M p i > ] * [ M p j ( t ) - < M p j > ] } Σ t = 1 w [ M p i ( t ) - < M p i > ] 2 * Σ t = 1 w [ M p j ( t ) - < M p j > ] 2 - - - ( 15 ) ]]>

其中，Cpij为任意两个肌电信号采集点i和j间的第p个特征值的Pearson系数，Mpi和Mpj分别为第p个特征值的特征矩阵Mp的第i列和第j列，Mpi(t)和Mpj(t)分别为向量Mpi和向量Mpj的第t行元素，<Mpi>和<Mpj>分别为向量Mpi和向量Mpj的w个元素的平均值；

步骤S28：计算任意两个肌电信号采集点i和j间的Pearson系数：

C i j = 1 l Σ p = 1 l C p i j - - - ( 16 ) ]]>

n个肌电信号采集点间的各Pearson系数构成一个n×n的对称矩阵C，Cij为对称矩阵C中的元素；

步骤S29：选取阈值TH，根据式(17)构造矩阵A：

其中，Aij为矩阵A中的元素，Aij＝1表示任意两个肌电信号采集点i和j之间有连边，Aij＝0表示任意两个肌电信号采集点i和j之间无连边；

步骤S210：选取第g＝g+1种运动模式的肌电信号，重复步骤S22～步骤S29，至此得到各肌电信号采集点连接关系；

步骤S3：构建复杂网络模型，

其中各肌电信号采集点代表节点，步骤S2计算得到的各肌电信号采集点连接关系代表连边，构建出复杂网络模型；

步骤S4：分析网络特性，

选取度中心性DCc、聚类系数CCc和网络介数Bc三个复杂网络节点特性指标来分析步骤S3构建的复杂网络模型，计算不同运动模式下的节点特性指标；

步骤S5：确定肌电信号采集位置，

根据步骤S4计算得到的节点特性指标进行统计分析，确定与不同运动模式关系更紧密的肌电信号采集位置。