[发明专利]融合复合混沌映射与果蝇优化的最优变分模态分解方法

权利要求书

1.一种融合复合混沌映射与果蝇优化的最优变分模态分解方法，其特征在于：包括以下步骤：

S1：初始化变分模态分解方法，然后对采集原始的表面肌电信号进行自适应分解，得到一组本征模态函数IMF；

S2：根据三维FOA算法和三维Logistic-Sine混沌复合映射函数，构建改进的混沌FOA模型；利用所述IMF，根据该改进的混沌FOA模型中的适应度函数，计算得到最佳适应度函数值，进而得到对应的最优参数组合；

S3：根据所述最优参数组合，对变分模态分解方法进行优化，利用优化后的变分模态分解方法对实际获取的表面肌电信号进行最优自适应分解，得到不同频段的本征模态函数分量，为智能康复机器人的特征提取提供支撑。

2.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法，其特征在于：步骤S2中，利用所述改进的混沌FOA模型进行迭代寻优的过程如下：

1)设定种群中单体个体数量m，最大迭代次数为T，采用三维FOA算法和三维logistic-sine混沌复合映射函数初始化果蝇个体的位置和方向：

式中，X_axis、Y_axis和Z_axis是对标准FOA二维空间的拓展，Value为边界值，且Value∈[-bound,bound]，和是三维的Logistic-Sine混沌复合映射函数，且：

式中，π为圆周率，i表示第i个果蝇，k表示混沌控制参数；

2)更新单个果蝇寻找食物的方向和距离，得到：

其中，X_i、Y_i和Z_i是果蝇个体的三维坐标，且i＝1,2,…,N；a,b为实数；和是三维的logistic-sine混沌复合映射函数；

3)根据果蝇个体的三维坐标，求得果蝇个体和原点之间的直线距离Dist_i，设Dist_i的倒数是味道质量浓度的判定值，求得判定值S_i，则有：

4)将判定值S_i代入味道判定函数，求解出各果蝇单体的对应的味道质量浓度：

Smell_i＝F(S_i) (7)

5)找到当前果蝇群体中味道质量浓度最高的个体，并记录当前果蝇群体的位置：

[bestSmell,bestIndex]＝min(Smell) (8)

其中，Smelli表示当前果蝇群体中的味道质量浓度；

6)记下当前果蝇群体中最佳味道质量浓度bestSmell和相应横纵坐标值，然后果蝇种群通过视觉向最佳位置逼近：

7)重复操作步骤2)～5)，进行迭代寻优，同时判断bestSmell是否比Smellbest更优，若是，则跳转至步骤6)后继续操作，直至得到果蝇种群的最佳位置。

3.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法，其特征在于：步骤S2中，所述适应度函数为：

其中，为相邻IMF分量的互信息，为互信息的总和，K为模态分量的总个数，即IMF分量的个数；原始的表面肌电信号与重构信号的互信息，x(t)是原始的表面肌电信号，x'(t)是重构信号。

4.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法，其特征在于：步骤S2中，所述最优参数组合为模态总数K、二次惩罚α和更新步长τ最优组合值。

5.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法，其特征在于：步骤S2中，利用所述IMF，计算适应度函数值，利用所述改进的混沌FOA模型用于迭代寻优，判断此时迭代次数是否达到预设次数的最大值，若是，则得到最优适应度函数值，若否，则回到步骤S1中，然后进行迭代，直至得到最优适应度函数值。

6.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法，其特征在于：当适应度函数获得极小值时，即得到最优适应度函数值，此时，获得极小值，同时获得极大值，所述最优适应度函数值对应的[K,α,τ]的组合值就是最优的。