[发明专利]一种表面肌电信号手势识别方法

说明书

本发明涉及一种表面肌电信号手势识别方法，采集不同手部动作下的肌电数据，根据特征函数对肌电数据进行特征提取，形成样本空间；构建极坐标系，并将肌电信号的样本点绘制在所构建的极坐标系内；利用矢量叠加方法计算当前手部动作下的活跃极角，并进行偏移角度估计；通过线性变换矩阵方法，根据偏移角度对肌电信号进行自适应校正，将自适应校正结果输入分类器，输出手部动作识别结果。本发明所述的方法有效地解决了因电极位置偏差而导致识别模型无法通用的问题，从而有效地提升了表面肌电交互系统的识别能力，具有重要的理论意义与实用价值。

技术领域

本发明涉及生物信号识别技术领域，具体地说是一种表面肌电信号手势识别方法。

背景技术

表面肌电信号是由运动关联肌肉的运动单元动作电位沿着肌纤维方向传播，在人体皮肤表面形成反映肌肉收缩状态的叠加电信号。该信号载有丰富的人体行为运动信息，通过一系列解码方法可获取人体运动意图，因此表面肌电信号被广泛应用于机器人交互中，尤其是助力机器人、康复机器人与假肢系统等。相比与传统的程式控制机器人交互方式，基于表面肌电信号的人机交互方式赋予了机器人智能性与认知能力，具有主动感知人行为意图的能力，有利于实现复杂环境下人机共融，并完成复杂任务。

目前部分商业假肢利用表面肌电信号活跃阈值作为动作识别的重要依据，但该方法仅适用于少量动作识别场合，不具有良好的模型泛化能力。在实际基于表面肌电人机交互系统的推广使用中，尤其是基于表面肌电的假肢系统，往往由于前后两次使用电极粘贴位置不同导致识别精度较差。一方面如果要求用户，尤其是残疾者几乎精确匹配初始位置，这几乎是不现实的；另一方面，每次重新粘贴表面肌电信号传感器后，如果忽略前后两次电极位置略有偏移的关联关系，要求用户从零开始完整训练一个识别模型，这明显会大大增加了用户，尤其是患者的使用与学习负担。

发明内容

针对现有技术的不足，本发明提供一种表面肌电信号手势识别方法，提高了表面肌电交互系统动作识别的准确率，也减少了使用者在多次使用时训练、学习的时间成本与负担。

本发明为实现上述目的所采用的技术方案是：

一种表面肌电信号手势识别方法，包括以下步骤：

步骤1：采集不同手部动作下的肌电数据，根据特征函数对肌电数据进行特征提取，形成样本空间；

步骤2：构建极坐标系，并将肌电信号的样本点绘制在所构建的极坐标系内；

步骤3：利用矢量叠加方法计算当前手部动作下的活跃极角，并进行偏移角度估计；

步骤4：通过线性变换矩阵方法，根据偏移角度对肌电信号进行自适应校正，将自适应校正结果输入分类器，输出手部动作识别结果。

所述根据特征函数对肌电数据进行特征提取，包括：

采用平均绝对值作为特征函数，对采集的肌电数据进行特征提取，得到不同手部动作的样本空间。

所述构建极坐标系，包括：

基于8通道环形肌电传感器，将通道0所在的方向与中指方向重合，定义该方向为极坐标系的0°极轴初始位置，其他通道以45°间隔顺次分布，对应极坐标系的极角方向。

所述将肌电信号的样本点绘制在所构建的极坐标系内，包括：

8通道环形肌电传感器的某个八维样本点p_i,j，将p_i,j以有序数对(p_i,j，45j)绘制在极坐标系内，其中p_i,j表示来自第i个样本、通道j的肌电MAV特征值，通道0的特征值绘制在0°极轴上，依次分布，各散点的极径为特征值大小。所述利用矢量叠加方法计算当前手部动作下的活跃极角，包括：