[发明专利]基于多通道组合的神经网络手势动作分类算法

权利要求书

1.一种基于多通道组合的神经网络手势动作分类算法，其特征在于，包括以下步骤：

步骤1、通过多通道采集电路对不同手势动作的肌电信号进行提取，并进行滤波和放大；

步骤2、对提取的信号使用重叠移动窗口法划分窗口段，利用窗口段的数据代替这段采样时间内的信号；活动段信号的分割使用信号能量值，当该段窗口段信号幅值的平方大于阈值A时，认为该段窗口为活动段信号；当大于阈值A的通道数量大于设定值B时，判断这段信号采集时间段为活动段；将活动段信号分割出来，按窗口顺序依次排列，组成新的数据段；

步骤3、将步骤2活动段分割后的肌电信号通过LMS滤波算法进行进一步滤波处理；

步骤4、对滤波后的信号计算窗口段信号的特征值，依次对每种手势动作的每个通道提取特征，对比每个特征的分类效果，分通道选择分类效果较好的特征进行组合，构成动作输入特性向量；

步骤5、主成分分析降维：取步骤4最后选择的组合特征作为指标，结合每个通道构造样本矩阵，进行标准化处理并根据贡献率得到降维后的特征向量；

步骤6、将多种不同手势动作降维后的特征向量带入BP神经网络进行分类识别：构建多种手势动作类别标签，作为目标数据；使用降维后的特征向量作为分类器的输入数据；随机划分样本的训练集、验证集、测试集，初始化神经网络结构参数，进行分类训练。

2.根据权利要求1所述的基于多通道组合的神经网络手势动作分类算法，其特征在于，判断信号采集时间段为活动段的计算公式如下：

其中，N表示窗口段数据点总数；k₁表示通道数；表示通道k₁第m数据点的能量值；表示窗口段能量值累加和；i表示大于阈值A的通道数目；sEMG_(n,m)表示活动段信号，n表示窗口段。

3.根据权利要求1所述的基于多通道组合的神经网络手势动作分类算法，其特征在于，步骤3进一步滤波处理的具体过程为：

(1)设置滤波初始权重参数W_(m)＝0，计算每一采样点t(t＝1,2,…,N₂)的滤波输出估计值y_(t)：

其中，N₂表示活动段信号个数；W_(t,m)表示第t个采样点第m个权系数；sEMG_(t-m)表示第t-m个活动段信号；

(2)计算估计误差e_(t)：

e_(t)＝d_(t)-y_(t) (3)

其中d_(t)表示期望值，即活动段信号的均值和；

利用迭代公式更新下一时刻权值W_(t+1,m)：

W_(t+1,m)＝W_(t,m)+2ue_(t)sEMG_(t) (4)

其中u为学习率。

4.根据权利要求1所述的基于多通道组合的神经网络手势动作分类算法，其特征在于，步骤4计算窗口段信号的特征值，包括时域特征、频域特征、小波包特征。

5.根据权利要求4所述的基于多通道组合的神经网络手势动作分类算法，其特征在于，时域特征计算公式如下：

(1)第j个窗口段的平均绝对值：

(2)第j个窗口段的均方根：

(3)第j个窗口段的方差：

(4)第j个窗口段的过零点数：

其中，N₂表示活动段信号个数；threshold表示相邻值，y_(t)表示第t个采样点滤波后的信号。