[发明专利]一种基于多层卷积神经网络的多自由度人体运动信息解析方法

说明书

一种基于多层卷积神经网络的多自由度人体运动信息解析方法，本发明涉及基于多层卷积神经网络的多自由度人体运动信息解析方法。本发明为了解决当前模型对肌电信号中的信息使用效率较低，以及获取的运动信息不够丰富的问题。本发明包括：一：采集原始肌电信号以及对应的实际动作信息；二：基于一维卷积神经网络模型设计解析多自由度人体运动信息的模型；三：以步骤一采集的原始肌电信号作为输入，以对应的实际动作信息作为输出，对解析多自由度人体运动信息的模型进行训练，得到训练后的解析多自由度人体运动信息的模型；四：采集原始肌电信号，输入训练后的解析多自由度人体运动信息的模型，预测当前的动作信息。本发明用于运动信息检测领域。

技术领域

本发明涉及运动信息检测领域，具体涉及基于多层卷积神经网络的解析多自由度人体运动信息的方法。

背景技术

肌电信号解析方法是一种通过解析肌电电极采集获取的肌电信号，实现对使用者当前控制意图的检测方法。目前这一技术在肌肉病变检测，动作分析，外骨骼控制以及假肢控制等领域得到了广泛的运用，同时也出现了例如Myo手环这类商业化产品。

由于肌电信号的数据量大，同时信号强度低，容易湮没在各种噪声之中，并且容易受到各种外界因素的影响。目前在对肌电信号的利用上通常是使用模式识别方法，通过人工设计的特征从原始肌电信号中提取信息，同时实现对数据的降维，之后建立分类模型实现对使用者手势的分类。由于手势动作信息是一种状态信息，它的数据是离散化并且是由人为规定的，不存在其他的手势间的状态，并且一个手势信息就包含了多个关节的运动状况，这要求使用者需要通过练习，提高做出同一种动作时，关节运动状况的相似性。这导致对使用者的经验要求比较高，对于未经训练的使用者往往达不到很理想的效果。

由于手势信息只有几种状态值，从中能够得到的信息数目有限，难以满足对复杂的控制目标的需求。如果能够从原始肌电信号中解码各关节(各自由度)神经驱动信息，这些驱动信息能够直接作为控制系统的输入，实现对多自由度系统的控制，在神经学以及机器人学都有较为广泛的应用。

发明内容

本发明的目的是为了解决当前模型对肌电信号中的信息使用效率较低，以及获取的运动信息不够丰富的缺点，而提出一种基于多层卷积神经网络(多层一维卷积神经网络)的解析多自由度人体运动信息的方法。

一种基于多层卷积神经网络的解析多自由度人体运动信息的方法包括以下步骤：

步骤一：采集原始肌电信号以及对应的实际动作信息；

步骤二：基于一维卷积神经网络模型(1D-CNN网络)设计解析多自由度人体运动信息的模型；

步骤三：以步骤一采集的原始肌电信号作为输入，以对应的实际动作信息作为输出，对步骤二设计的解析多自由度人体运动信息的模型进行训练，得到训练后的解析多自由度人体运动信息的模型；

步骤四：采集原始肌电信号，输入训练后的解析多自由度人体运动信息的模型，预测当前的动作信息。

本发明的有益效果为：能够直接对任意通道的原始肌电信号进行处理，无需人工设计特征提取信息，能够提高对肌电信号中有效信息的利用率；池化层在对数据降采样，减少数据长度的同时还能够增强检测结果对肌电信号采集时间偏移的抗干扰能力；本方法能够直接提取多自由度连续同步的运动信息，也能同时实现手势分类，网络的结构可以根据具体情况扩展，满足不同自由度数目以及不同任务的具体需要。