[发明专利]一种基于肌电地形图的手势识别方法

摘要

一种基于肌电地形图的手势识别方法，包括以下步骤：(1)数据采集：通过阵列式表面肌电电极进行不同手势的上臂肌肉表面肌电信号的采集；(2)数据预处理：对采集到的表面肌电信号进行预处理；(3)肌电地形图生成；4)深度卷积神经网络模型训练和手势识别，生成肌电地形图特征图像，肌电地形图首先转化为64*64的灰度图像，再使用ZCA白化预处理，生成特征图像；根据肌电地形图特性，设计相应的卷积神经网络模型结构，并构建模型；将测试集数据输入到训练好的网络模型中进行手势识别分类。本发明可以对不同被试做同一手势生成相似的肌电地形图，从而有效的解决表面肌电信号的个体差异性问题。

主权项

一种基于肌电地形图的手势识别方法，其特征在于：所述方法包括以下步骤：(1)数据采集：通过阵列式表面肌电电极进行不同手势的上臂肌肉表面肌电信号的采集；(2)数据预处理：对采集到的表面肌电信号进行预处理；(3)肌电地形图生成，包含如下子步骤：(3.1)数据分段：使用“重叠窗”方法对每个被试的每种手势动作数据进行开窗分段；(3.2)功率值计算：计算阵列式表面肌电电极各个采集点的肌电信号功率谱总功率和峰值功率参数，来提取表面肌电信号特征；(3.3)空间插值：对各采集点之间的空白处采用插值公式进行插值填充；(3.4)功率值‑灰度映射：功率值映射到8位灰度区间，为每个功率值的灰度大小分配一个0‑255范围内的强度值；(4)深度卷积神经网络模型训练和手势识别，包含如下子步骤：(4.1)生成肌电地形图特征图像，肌电地形图首先转化为64*64的灰度图像，再使用ZCA白化预处理，生成特征图像；(4.2)根据肌电地形图特性，设计相应的卷积神经网络模型结构，并构建模型；(4.3)卷积神经网络模型的输入为肌电地形图特征图像，输出为手势类别；将每个被试的每种和测试集；(4.4)使用训练集数据和验证集数据进行网络模型优化和参数调整，使用测试集数据测试训练好的模型的识别率；(4.5)运用步骤(4.2)和步骤(4.4)中得到的网络结构模型和优化后的参数进行网络模型的训练，训练中迭代预设上限次数以上，并通过训练集和检验集的损失函数判断网络是否收敛，获得最优分类模型；(4.6)将测试集数据输入到步骤(4.5)中的训练好的网络模型中进行手势识别分类。