买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：福州大学

摘要：本发明涉及一种基于力度无关鲁棒特征的肌电手势识别方法。包括：离线训练阶段，首先需要对用户的原始肌电信号数据进行预处理；接着采用CSP算法，两两动作之间计算得到一个最大化二者之间区别的二分类空间投影矩阵，组合空间投影矩阵，得到适用于多分类的空间投影矩阵；再通过差分、取方差、归一化，用线性无关分析将数据投影到低维空间，得到训练特征；最后训练特征和训练标签共同训练分类器；在线测试阶段，新得到的肌电数据同样经过预处理，接着用离线训练阶段得到的投影矩阵，得到投影后的新信号，然后新信号经过差分、取方差、数据归一化，再用离线训练阶段得到的降维矩阵进行降维，最后将特征输入离线训练阶段训练好的分类器输出预测的类别。

主权项：1.一种基于力度无关鲁棒特征的肌电手势识别方法，其特征在于，包括：离线训练阶段：首先需要对用户的原始肌电信号数据进行预处理，将属于相同动作的活动段归为一类；接着采用一对一的CSP算法，两两动作之间计算得到一个最大化二者之间区别的二分类空间投影矩阵，组合空间投影矩阵，得到适用于多分类的空间投影矩阵；再通过差分、取方差、归一化，用线性无关分析将数据投影到低维空间，得到训练特征，此处得到降维矩阵；最后训练特征和训练标签共同训练分类器；在线测试阶段：将新得到的肌电数据同样经过预处理，接着用离线训练阶段得到的多分类的空间投影矩阵，得到投影后的新信号，然后新信号经过差分、取方差、数据归一化，再用离线训练阶段得到的降维矩阵进行降维，最后将特征输入离线训练阶段训练好的分类器输出预测的类别；所述适用于多分类的空间投影矩阵的计算方式如下：设肌电信号一共有C个类别，xi和xj分别是第i类和第j类的肌电信号，它们的信号维度是m×n，m为通道数，n为每个通道的采样点数；监督分类就是将同类手势的活动段组合在一起，接着计算第i类信号和第j类信号的平均协方差矩阵，其数学表达式如公式1所示： n为实验的次数，然后求出第i类信号和第j类信号的平均协方差矩阵之和，并对其进行特征值分解，如公式2、3所示：Rc＝Ri+Rj2 其中，Uc是特征向量矩阵，λc是Uc中每个特征向量对应的特征值所构成的对角矩阵，将特征值进行降序排列，得到白化矩阵P： 对Ri和Rj和进行如下的转换：Si＝PRiPT,Sj＝PRjPT5再对Si和Sj做特征分解，得到： 其中Bi＝Bj＝B，λi+λj＝I，由于两类特征值矩阵之和始终为I，则Si的最大特征值所对应的特征向量使得Sj有最小的特征值，于是可以得到投影矩阵F：F＝BTP7F是一个M×M的矩阵，F的每一行是一个空域滤波器，取l个最大特征值对应的特征向量和l个最小特征值对应的特征向量组成最终的最佳空间投影矩阵W，原始信号通过投影得到新信号：Z＝WX8最后将二分类的CSP算法拓展到多分类，采用的是一对一即CSP-OvO的做法：C个类别中每两个类别计算得到一个空间投影矩阵，然后得到的所有空间投影矩阵按行组合，最终得到适用于C分类的空间投影矩阵W；所述通过差分、取方差、归一化，用线性无关分析将数据投影到低维空间，得到训练特征，此处得到降维矩阵；最后训练特征和训练标签共同训练分类器的具体实现过程如下：首先对原始肌电信号X经适用于多分类的空间投影矩阵得到的新信号Z0，求出Z0的一阶、二阶差分信号Z1、Z2，并对Z0、Z1、Z2取方差，得到d0、d1、d2：d0＝varZ09d1＝varΔZ010d2＝varΔ2Z011ΔZ0表示Z0的一阶差分信号，Δ2Z0表示Z0的二阶差分信号，由于对信号取差分会降低信号的总能量，因此采用幂变换的方法来对差分信号进行标准化： 其中λ＝0.1，接着对特征进行对数变换：f＝[f1f2f3]15c＝logfsumf16然后通过线性无关分析将特征投影到类内距离最小，类间距离最大的低维空间，既减小特征的维数，又在不减小类间的距离的基础上减小同一类动作的类内距离，在此处计算得到降维矩阵G，最后训练特征和训练标签共同训练分类器模型。

全文数据：

权利要求：

百度查询： 福州大学 一种基于力度无关鲁棒特征的肌电手势识别方法