[发明专利]基于肌电的智能小车手部穿戴控制系统及应用

权利要求书

1.一种基于肌电的智能小车手部穿戴控制系统，包括依次连接的穿戴式肌电采集设备(1)、前臂肌电主动训练界面(2)、手部动作分类模块(3)和远程智能小车模块(4)；其特征在于，穿戴者根据所述的前臂肌电主动训练界面(2)的图像作出相应的动作，所述的穿戴式肌电采集设备(1)从穿戴者运动时的前臂采集EMG信号；所述的手部动作分类模块(3)安装在手机端，手机端搭建用于运行手部动作分类模块(3)的在线平台，在线平台内部配置torch1.5.1、python 3.7.4和NVIDIA CUDA11.1环境，所述的手部动作分类模块(3)接收所述的EMG信号，对特征通道-空间注意力多尺度网络进行训练，得到深度学习模型，利用所述的深度学习模型分类辨识出穿戴者做出的手部动作，并根据分类辨识出穿戴者做出的手部动作，无线控制所述的远程智能小车模块(4)完成与穿戴者手部动作相对应的动作；

所述的特征通道-空间注意力多尺度网络包括：

1)使用穿戴式肌电采集设备获取手部动作时前臂的EMG信号构成样本集，其中c代表采集通道，L为采集的EMG信号的长度，X_c,g表示第c个采集通道采集到的第g个数据点的数值；

2)对采集到的EMG信号进行数字带通滤波，带通滤波器的第一阻带频率F_stop1＝0.001Hz，第一通带频率F_pass1＝10Hz，第二阻带频率F_stop2＝40Hz，第二通带频率F_pass2＝30Hz，第一阻带衰减率5dB，第二阻带衰减率5dB；并进行50Hz陷波滤波，去除工频干扰，滤波后的EMG信号记为对滤波后的EMG信号通过长度为l的滑动窗口进行数据分割，滑动窗口的滑动步长为s，得到一系列滑动窗口数据，其中第k个滑动窗口数据表示为表示第c个通道中第k个滑动窗口中的第g₁个数据点；

3)搭建特征通道-空间注意力多尺度网络中的依次相串接的三个时间卷积块和多分支结构，网络的输入为EMG信号进行滤波以及滑动窗口切片后的样本集以及样本集所对应的手部动作标签；

4)搭建特征通道-空间注意力多尺度网络中的特征通道注意力模块，特征通道注意力模块关注特征中的哪些通道的信息在分类任务中更重要，并作为关键通道加以注意，特征通道注意力模块的输入为多分支结构的输出与相应的标签；

5)搭建特征通道-空间注意力多尺度网络中的特征空间注意力模块，所述的特征空间注意力模块是对特征通道注意力模块的补充；

6)搭建特征通道-空间注意力多尺度网络的最后部分结构，包含相串接的一个卷积块和全连接层，全连接层输出最终手部动作分类的结果，全连接层使用Softmax函数，定义为其中h＝1···H，e为自然对数值，H为输出神经元的个数，也就是手部动作类别数，z_h为第h个神经元的输出，式中分母充当正则项作用，使得

7)将采集到的手部动作时前臂的EMG信号分为训练集和测试集，使用训练集对特征通道-空间注意力多尺度网络进行训练，使用测试集对训练后的特征通道-空间注意力多尺度网络进行测试，最终得到用于手部动作分类识别的深度学习模型。