[发明专利]一种肌电手势识别方法和系统

权利要求书

1.一种肌电手势识别方法，其特征在于包括：

步骤1、采集手势的肌电信号，对该手势肌电信号进行数据分割并分解为本征模函数分量；对该手势肌电信号和该本征模函数分量提取细粒度特征，将该细粒度特征按手势特征构建手势特征集；使用该手势特征集对肌电臂环上的佩戴位置预测模型进行训练；

步骤2、使用该手势特征集通过肌电臂环上的佩戴位置预测模型进行肌电臂环位置预测，得到该手势肌电臂环位置预测结果；根据该预测结果，将该手势特征集进行以标准空间表示的变换，生成标准空间表示的手势特征集；将该标准空间表示的手势特征集建立手势识别模型，并采用随机森林算法对该手势识别模型进行训练；其中，该标准空间为与肌电臂环佩戴位置无关的特征表示空间；

步骤3、采集当前时刻肌电信号，经数据分割、分解、细粒度特征提取后，构建当前时刻肌电信号的特征集，对该特征集进行以标准空间表示的变换，生成当前时刻标准空间表示的特征集，将该当前时刻标准空间表示的特征集通过手势识别模型得到当前时刻手势识别结果。

2.如权利要求1所述的肌电手势识别方法，其特征在于，该手势为手指运动手势、手腕运动手势，手掌运动手势中的任一手势。

3.如权利要求1所述的肌电手势识别方法，其特征在于，该细粒度特征包括：绝对平均值、第一修正绝对平均值、第二修正绝对平均值、平均绝对值偏差、均方根值、方差、波形长度共7项时域特征和频率中位数、频率平均数、修正频率中值共3项频域特征。

4.如权利要求1所述的肌电手势识别方法，其特征在于，进行以标准空间表示的变换包括：

在得到该手势肌电臂环位置预测结果L_i后，L_i∈[1,2,...,E_num+1)，将该手势特征集EMG_i,j变换成标准空间表示的特征集EMG'_i,j：

其中E_num为肌电臂环的电极数目。

5.如权利要求1所述的肌电手势识别方法，其特征在于，步骤3包括：

采集第i时刻肌电信号，对该肌电信号进行滤波、滑动窗分割、经验模态分解、特征提取处理操作，按照基于标准空间表示的变换方法，将原始手势特征集变换成标准空间表示的手势特征集，生成第i时刻预测样本，将该预测样本输入到分类回归树中，输出第i时刻手势识别概率向量P_i,j,n，按照公式得出第i时刻手势识别结果；其中G_i为当前时刻手势识别结果，G为手势总数，N为分类回归树总数，i为时间参数，j、n为序数，G_i、G、N、j、n均为正整数。

6.一种肌电手势识别系统，其特征在于，包括：

特征集构建模块，用于根据手势特征采集肌电信号，对该信号进行滑动窗口分割、基于经验模态的本征模函数分解，并建立该手势特征的训练集和特征集；

基于标准空间的特征表示模块，用于将该手势特征的训练集和特征集通过肌电臂环上的佩戴位置预测模型，并转化为基于标准空间的特征表示；其中，该标准空间为与肌电臂环佩戴位置无关的特征表示空间；

手势识别模块，用于生成手势识别模型，并利用该模型进行手势识别。

7.如权利要求6所述的肌电手势识别系统，其特征在于，特征构建模块包括：

细粒度特征提取模块，用于提取绝对平均值、第一修正绝对平均值、第二修正绝对平均值、平均绝对值偏差、均方根值、方差、波形长度7项时域特征和频率中位数、频率平均数、修正频率中值3项频域特征。

8.如权利要求6所述的肌电手势识别系统，其特征在于，基于标准空间的特征表示模块包括：

标准空间表示模块，用于根据肌电臂环的佩戴位置预测结果，将该手势肌电信号特征集进行以标准空间表示的变换，生成标准空间表示的特征集。