[发明专利]一种运动意图识别方法

说明书

本申请适用于生理信号处理技术领域，提供了一种运动意图识别方法，其中该方法包括：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，得到待识别肌电信号数据对应的运动意图。本申请能大大提高运动意图的识别准确率。

技术领域

申请属于生理信号处理技术领域，尤其涉及一种运动意图识别方法。

背景技术

近年来，主动式康复机器人开始应用于脊髓损伤患者的康复训练。它能够根据肌电信号感知人体的运动意图，主动调控输出力矩和关节角度，使患者拥有基本的自理能力，极大程度的节约了时间成本和人力成本。然而人体肌电信号比较微弱，个体之间的肌电信号存在差异性，相同个体每次测量结果也存在差异，这使得人体意图的感知变得困难。

针对人体运动意图感知与识别难点，学者们建立了两类主要的方法。第一类是特征提取法，这类方法从复杂多变的肌电信号中提取稳定的特征，主要包括时域特征，频域特征，时频域特征以及机器学习特征。虽然这类方法取得了广泛的应用。然而，特征的选取和高维特征的融合依然存在较大的挑战，对于单一的特征，其中蕴含的信息经常不能满足多种动作的运动识别。多种特征组合则容易导致特征维数过大，增加模型的计算复杂度。第二类是建立鲁棒的分类器，这类方法基于机器学习增强模型的学习能力，常用的模型有贝叶斯网络、神经网络、多层感知器、模糊逼近、支持向量机和神经模糊系统辨识方法。尽管这些分类方法层出不穷，但是面对高维数据往往计算效率不高，且未考虑收到噪声和不确定性干扰的情况。此外，肌电信号数据量大，测量结果的时变性和差异性强，固定参数的模型不能适应肌电信号中的时变特性。

在实际应用中，上述局限性的存在导致人体运动意图的识别准确率低。

发明内容

本申请实施例提供了一种运动意图识别方法，其目的是为了解决人体运动意图的识别准确率低的问题。

本申请实施例提供了一种运动意图识别方法，该识别方法包括：

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。

本申请的上述方案有如下的有益效果：