[发明专利]一种运动意图识别方法

权利要求书

1.一种运动意图识别方法，其特征在于，包括：

根据N个肌电信号数据样本，构建运动意图识别模型；

利用预先定义的投影函数和后件参数对所述运动意图识别模型进行扩展；

在采集到第N+1个肌电信号数据样本时，利用所述第N+1个肌电信号数据样本对扩展后的运动意图识别模型进行更新；

利用更新后的运动意图识别模型对待识别肌电信号数据进行运动意图识别，得到所述待识别肌电信号数据对应的运动意图；

其中，预先定义的投影函数的表达式为：

；

为第N个核函数，，为投影函数，为第N个肌电信号数据样本的投影函数。

2.根据权利要求1所述的识别方法，其特征在于，所述根据N个肌电信号数据样本，构建运动意图识别模型，包括：

将N个肌电信号数据样本分解到R个模糊集中；

计算每个肌电信号数据样本对每个模糊集的隶属度，并基于所述隶属度构建运动意图识别模型。

3.根据权利要求2所述的识别方法，其特征在于，扩展后的运动意图识别模型为：

其中，为运动意图，为肌电信号数据样本对第k个模糊集的隶属度，为预先定义的后件参数，为预先定义的投影函数，为第k个模糊集的模糊规则中的后件参数， ；

；

其中，为第N个肌电信号数据样本对应的拉格朗日乘子，为第N个肌电信号数据样本，为第N个肌电信号数据样本对第k个模糊集的隶属度。

4.根据权利要求3所述的识别方法，其特征在于，对所述运动意图识别模型进行扩展，所述识别方法还包括：

建立核函数矩阵；

对所述核函数矩阵进行特征值分解，并按照从大至小的顺序从分解后的特征值中选取m个特征值；

将所述m个特征值对应的核函数作为支持核函数；

将扩展后的运动意图识别模型中除所述支持核函数以外的其他核函数删除，得到降维后的运动意图识别模型；

对降维后的运动意图识别模型中的参数进行求解，并利用求解后的参数得到最终运动意图识别模型。

5.根据权利要求4所述的识别方法，其特征在于，降维后的运动意图识别模型为：

其中，，为第m个支持核函数，m为支持核函数的数量，为第k个模糊集的模糊规则中的后件参数，，为中的第m个参数，。

6.根据权利要求5所述的识别方法，其特征在于，降维后的运动意图识别模型中的参数包括后件参数和后件参数；

所述对降维后的运动意图识别模型中的参数进行求解，包括：

对降维后的运动意图识别模型建立如下线性方程：

其中，为第N个肌电信号数据样本对第R个模糊集的隶属度，为第N个肌电信号数据样本的第m个支持核函数，为当肌电信号数据样本量为N时第R个模糊集的模糊规则中的后件参数，为当肌电信号数据样本量为N时中的第m个参数，R为模糊集的数量，为第N个肌电信号数据样本对应的运动意图的真实值；

基于最小二乘法对所述线性方程进行求解，得到。