申请/专利权人：武汉科技大学;华夏星光工业设计江苏有限公司

申请日：2020-09-07

公开（公告）日：2023-07-14

公开（公告）号：CN112205990B

主分类号：A61B5/397

分类号：A61B5/397

优先权：

专利状态码：有效-授权

法律状态：2023.07.14#授权;2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明涉及一种基于sEMG的不同负载下手腕角度预测方法及装置，本发明首先采集手腕表面肌电信号以及手腕角度；通过梳状滤波器以及小波滤波对信号进行预处理，得到最优的表面肌电信号以及角度信号；提取手腕表面肌电信号的时域特征以及频域特征，分析两种特征性质并对其进行特征组合，得到最优的特征组合方式；利用PCA降维技术对组合特征进行处理，去除冗余特征，并进行信号同步化定位，完成信号的归一化处理；最后将得到的特征输入到经过遗传算法优化的极限学习机网络中，得到手腕角度的预测结果。本发明充分考虑时域和频域特征来实现特征组合，可以在复杂的坏境下准确读取手腕信息，实现人机交互识别。

主权项：1.一种基于sEMG的不同负载下手腕角度预测方法，其特征在于，包括以下步骤：S1，通过表面肌电采集仪采集原始手腕表面肌电信号，并通过角度传感器采集相应的角度信息；S2，对表面肌电信号以及角度信号进行工频噪声滤波处理，在工频滤波的基础上，运用小波滤波算法对整个频段信号进行滤波处理；S3，通过对时域以及频域特征进行过滤处理，构建具有最大相关性的肌电特征集；利用主成分分析算法对特征组合信号进行降维处理，去除冗余通道特征，并进行信号同步化定位和归一化处理，得到最佳肌电特征组合；S4，将所述最佳肌电特征组合输入到遗传算法优化的极限学习机网络模型中，预测手腕角度变化；所述的通过对时域以及频域特征进行过滤处理，构建具有最大相关性的肌电特征集，包括：对信号进行时间域的统计运算得到均方根RMS作为信号的时域特征；通过傅里叶变换将时域信号变换成频域中的功率谱或频谱，提取中值频率MDF作为信号的频域特征；根据下式计算表面肌电信号的均方根RMS： 式中，N代表样本数据个数，xi代表肌电信号值；根据下式计算表面肌电信号的中值频率MDF： 式中，Pj表示频带处的肌电信号功率谱，M表示频带长度；融合均方根和中值频率得到具有最大相关性的肌电特征集feature＝{RMS,MDF}。

全文数据：

权利要求：

百度查询： 武汉科技大学;华夏星光工业设计江苏有限公司 一种基于sEMG的不同负载下手腕角度预测方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD