申请/专利权人：中国科学院沈阳自动化研究所

申请日：2019-05-22

公开（公告）日：2024-01-05

公开（公告）号：CN111985270B

主分类号：G06F18/213

分类号：G06F18/213;G06F18/10;G06F18/24;A61B5/389;A61B5/397;A61B5/11;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.01.05#授权;2020.12.11#实质审查的生效;2020.11.24#公开

摘要：本发明涉及一种基于梯度提升树的sEMG信号最优通道选择方法，在驱动形成待识别动作的每一组肌肉处，粘贴若干电极，采集每个电极通道的sEMG信号，添加标签，对添加标签后的sEMG信号进行滤波预处理；对滤波预处理后的sEMG信号进行特征值提取，得到特征向量；训练第一梯度提升树模型，生成新特征值；将特征向量与新特征值组合，生成组合特征；训练第二梯度提升树模型，输出待识别动作的识别正确率,得到识别正确率序列，其中正确率最高的通道组合即为最优通道组合。本发明可以减少sEMG采集过程中过多的噪声引入，保证系统的鲁棒性；去除无用数据、冗余数据，从而降低数据处理周期，避免数据堆积导致的时间延时，保证系统的实时性。

主权项：1.一种基于梯度提升树的sEMG信号最优通道选择方法，其特征在于，包括以下步骤：步骤1：在驱动形成待识别动作的每一组肌肉处，粘贴若干电极，采集每个电极通道的sEMG信号，对采集到的sEMG信号添加标签，并对添加标签后的sEMG信号进行滤波预处理；步骤2：对滤波预处理后的sEMG信号进行特征值提取，得到特征向量；步骤3：利用特征向量训练第一梯度提升树模型，生成新特征值；步骤4:将步骤2中得到的特征向量与步骤3中生成的新特征值组合，生成组合特征；步骤5:利用组合特征训练第二梯度提升树模型，输出待识别动作的识别正确率；步骤6：对于每一种通道组合，执行步骤2～步骤5，直至遍历所有通道组合，得到识别正确率序列，其中正确率最高的通道组合即为最优通道组合；所述新特征值的生成方法为：步骤3.1：利用特征向量训练第一梯度提升树模型，得到n棵CART回归树，且第x棵CART回归树有Nx个叶子节点，其中，1≤x≤n，Nx≥1；步骤3.2：对于一个新的特征向量，在第x棵回归树落在第mx个叶子节点，则该回归树得到的部分新特征值为表示为CARTx，其中1位于第mx位，且1≤mx≤Nx；步骤3.3：根据该特征向量落在每一棵回归树的位置，得到一个新的特征值[CART1,CART2,...,CARTn]，表示为CART，其维度为N1+N2+...+Nn。

全文数据：

权利要求：

百度查询： 中国科学院沈阳自动化研究所 一种基于梯度提升树的sEMG信号最优通道选择方法

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