[发明专利]肌电模式识别方法、装置、设备和计算机可读存储介质

权利要求书

1.一种肌电模式识别方法，其特征在于，包括：

获取肌体处于活动状态时的肌电数据，并在所述肌体处于活动状态时的肌电数据中提取肌体特征向量；

检测所述肌体特征向量对应的模式类型；

在检测到所述肌体特征向量对应的模式类型为异常模式类型时，为所述肌体特征向量标注异常模式标签；

在检测到所述肌体特征向量对应的模式类型为正常模式类型时，识别所述肌体特征向量对应的动作模式，并为所述肌体特征向量标注所述动作模式相对应的动作模式标签。

2.根据权利要求1所述的方法，其特征在于，

所述检测所述肌体特征向量对应的模式类型，包括：

将所述肌体特征向量输入预先训练的单分类器，通过所述单分类器检测所述肌体特征向量对应的模式类型。

3.根据权利要求2所述的方法，其特征在于，

所述为所述肌体特征向量标注异常模式标签，包括：

通过所述单分类器为所述肌体特征向量标注异常模式标签；

所述识别所述肌体特征向量对应的动作模式，并为所述肌体特征向量标注所述动作模式相对应的动作模式标签，包括：

通过所述单分类器将所述肌体特征向量输入预先训练的多分类器，通过所述多分类器识别所述肌体特征向量对应的动作模式，并为所述肌体特征向量标注所述动作模式相对应的动作模式标签。

4.根据权利要求3所述的方法，其特征在于，所述获取肌体处于活动状态时的肌电数据，包括：

采集所述肌体的肌电数据，并对采集的所述肌电数据进行预处理；

通过对预处理后的所述肌电数据进行活动段检测，确定所述肌体的肌体状态；

在确定所述肌体的肌体状态为活动状态时，获取所述肌电数据。

5.根据权利要求4所述的方法，其特征在于，在所述确定所述肌体的肌体状态之后，还包括：

在确定所述肌体的肌体状态为静息状态时，根据在所述肌体前一次处于活动状态的肌电数据中提取出的肌体特征向量，对所述单分类器和所述多分类器分别执行更新操作。

6.根据权利要求5所述的方法，其特征在于，根据在所述肌体前一次处于活动状态的肌电数据中提取出的肌体特征向量，对所述单分类器和所述多分类器分别执行更新操作，包括：

确定在所述肌体前一次处于活动状态的肌电数据中提取出的肌体特征向量的数量以及每个所述肌体特征向量对应的模式标签；其中，所述模式标签的种类包括：异常模式标签和动作模式标签；

根据所述提取出的肌体特征向量的数量以及每个所述肌体特征向量对应的模式标签，确定异常模式置信度和正常模式置信度；

在所述异常模式置信度大于所述正常模式置信度时，对所述单分类器和所述多分类器分别执行分类更新操作；

在所述正常模式置信度大于所述异常模式置信度时，对所述单分类器和所述多分类器分别执行参数更新操作。

7.根据权利要求6所述的方法，其特征在于，所述对所述单分类器和所述多分类器分别执行分类更新操作，包括：

根据在所述肌体前一次处于活动状态的肌电数据中提取出的肌体特征向量，重新构建所述单分类器；

根据在所述肌体前一次处于活动状态的肌电数据中提取出的肌体特征向量，重新确定所述多分类器中的参数。

8.根据权利要求1～7中任一项所述的方法，其特征在于，在所述肌体处于活动状态时的肌电数据中提取肌体特征向量，包括：

利用预设大小的滑动窗口并且按照预设的采样频率和步进值，在所述肌体处于活动状态时的肌电数据中，提取至少一个肌电特征向量。

9.根据权利要求1～7中任一项所述的方法，其特征在于，

所述肌体特征向量，包括：绝对均值特征、过零点次数特征和6阶倒谱系数特征。