申请/专利权人：齐鲁工业大学(山东省科学院)

申请日：2023-08-10

公开（公告）日：2023-09-12

公开（公告）号：CN116738295A

主分类号：G06F18/24

分类号：G06F18/24;G06F18/10;G06F18/213;G06F18/25;G06V40/20;G06V10/764;G06V10/80;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.29#实质审查的生效;2023.09.12#公开

摘要：本发明公开了sEMG信号分类方法、系统、电子设备及存储介质，属于sEMG信号处理领域，本发明要解决的技术问题为如何提高sEMG信号分类的准确率，采用的技术方案为：数据采集：采集sEMG信号数据，构建原始数据集；数据预处理：对原始数据集进行数据降噪及滑动窗口分割数据，获取单通道的数据量；提取时域特征：对每个单通道内的数据进行时域特征提取；获取肌电图像：将提取的时域特征转换为图的形式，即肌电图像；提取特征矩阵：利用空间特征模块对肌电图像进行处理，获取特征矩阵；整合手势信息：利用时序特征模块对特征矩阵进行处理，获取整合区分手势局部信息；分类。

主权项：1.一种sEMG信号分类方法，其特征在于，该方法具体如下：数据采集：采集sEMG信号数据，构建原始数据集；数据预处理：对原始数据集进行数据降噪及滑动窗口分割数据，获取单通道的数据量；提取时域特征：对每个单通道内的数据进行时域特征提取；获取肌电图像：将提取的时域特征转换为图的形式，即肌电图像，将肌电图像切分为多个等尺寸大小的子肌电图像,则且；其中，；表示肌电图像的宽度；表示肌电图像的长度；表示子肌电图像的宽度；提取特征矩阵：利用空间特征模块对肌电图像进行处理，获取特征矩阵；整合手势信息：利用时序特征模块对特征矩阵进行处理，获取整合区分手势局部信息；分类：使用Softmax分类器将整合区分手势局部信息进行映射，进行最终的分类。

全文数据：

权利要求：

百度查询： 齐鲁工业大学(山东省科学院) sEMG信号分类方法、系统、电子设备及存储介质

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