[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

说明书

本发明公开了一种肌电模式识别方法、装置、设备和计算机可读存储介质。该方法包括：获取肌体处于活动状态时的肌电数据，并在肌体处于活动状态时的肌电数据中提取肌体特征向量；检测肌体特征向量对应的模式类型；在检测到肌体特征向量对应的模式类型为异常模式类型时，为肌体特征向量标注异常模式标签；在检测到肌体特征向量对应的模式类型为正常模式类型时，识别肌体特征向量对应的动作模式，并为肌体特征向量标注动作模式相对应的动作模式标签。本发明在进行动作模式识别之前，先识别肌体特征向量是否为异常模式类型，再对肌体特征向量进行动作模式识别，先剔除异常模式，避免将异常模式识别为动作模式的问题，提升肌电模式识别的识别准确性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种肌电模式识别方法、装置、设备和计算机可读存储介质。

背景技术

肌电模式识别是一种从肌电信号中识别运动意图的方法。肌电模式识别被认为是实现假肢多功能控制的重要途径。为了提高肌电模式识别在实验室中的表现，已经对肌电模式识别进行了许多研究，但是，目前还没有一种肌电模式识别方法能够嵌入到多功能肌电假肢控制器中，用以进行精确度较高的肌电模式识别。

具体而言，根据以往的研究表明，日常干扰会影响肌电模式识别的性能，降低肌电模式识别模型的识别准确性，使得肌电模式识别模型的鲁棒性较差。

例如：肌电模式识别模型可以识别6种动作模式，如果出现了这6种动作模式之外的第7种动作模式(日常干扰中的离群值运动)，则肌电模式识别模型会将该第7种动作模式错误地识别为6种动作模式中的一种，而不会将该第7种动作模式识别为新的动作。

发明内容

本发明实施例的主要目的在于提供一种肌电模式识别方法、装置、设备和计算机可读存储介质，以解决现有肌电模式识别的识别准确性较低的问题。

针对上述技术问题，本发明实施例是通过以下技术方案来解决的：

本发明实施例提供了一种肌电模式识别方法，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。

其中，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。

其中，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。

其中，所述获取肌体处于活动状态时的肌电数据，包括：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。

其中，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。