[发明专利]基于肌电小波相干性和支持向量机的日常行为识别方法

说明书

本发明公开了一种基于肌电小波相干性和支持向量机的日常行为识别方法，本发明通过肌电信号采集仪采集人体相关肌肉的肌电信号，获取两路肌电信号的样本数据，使用一种改进小波阈值降噪方法进行预处理。计算两路肌电信号的小波相干系数。将所求得的小波相干系数作为特征向量输入支持向量机进行分类识别，成功识别了不同的日常行为，具有较高的识别率。本发明将小波相干性的肌电特征与支持向量机结合的方法，对人体日常行为识别具有较高的识别率和可靠性。实验结果表明，本发明方法对上楼、下楼、站立、行走、跑步、跌倒的平均灵敏度达96.17，平均特异度达92.29，高于一般传统的方法。

技术领域

本发明属于模式识别领域，涉及一种肌电信号模式识别方法，特别涉及一种基于肌电小波相干性和支持向量机的日常行为识别方法。

背景技术

目前关于日常行为的识别越来越受到人们的关注，这是行为监测和跌倒检测的基础。可穿戴式传感器是行为检测中使用最广的方法，具有操作方便，环境兼容性强的特点。可穿戴式传感器包括运动和电生理传感器，如加速器传感器、惯性传感器、陀螺仪和表面肌电信号(surface electromyography,sEMG)传感器。其中sEMG传感器可以直接反映人体各种活动的电生理反应，计算时间较短，可区分被动行为和主动行为，已广泛应用于行为识别、步态分析和假肢控制领域。然而，在从原始sEMG数据集中寻找最佳特征集方面仍然存在相当大的挑战。

小波变换在表面肌电信号处理中有着广泛的应用，它将表面肌电信号分解成许多包含精确信息的子带。而对时频空间中两种目标信号之间的关系进行相干性分析，也是数字信号分析特别是小波变换中常用的方法。Ryotaro Imoto等人运用肌电信号小波相干分析研究了主动肌与拮抗肌的协调运动机制，得出了稳定条件下比不稳定条件有更高相关性的结论。通常，小波相干性可以用来分析非平稳随机信号，如肌电信号和脑电信号。表面肌电信号的相干性可以提供一种皮层肌肉耦合信息。目前基于表面肌电信号相干性分析的日常行为识别研究较少，有较为广阔的研究空间。

分类技术是行为监测的另一个重要问题。支持向量机是基于表面肌电信号的人体动作分类领域中的一个重要应用，支持向量机在高维或无限维空间中构造一个或一组超平面，以分离不同的数据集。与传统的神经网络相比，支持向量机为最优化问题提供了一种相对简单的求解方法，适用于基于sEMG的高维特征向量分类系统。

发明内容

为了发明一种稳定有效的基于肌电日常行为识别方法，提出一种基于肌电小波相干性和支持向量机的日常行为识别方法。通过肌电信号采集仪采集人体相关肌肉的肌电信号，获取两路肌电信号的样本数据，使用一种改进小波阈值降噪方法进行预处理。计算两路肌电信号的小波相干系数。将所求得的小波相干系数作为特征向量输入支持向量机进行分类识别，成功识别了不同的日常行为，具有较高的识别率。

为了实现以上目的，本发明方法主要包括以下步骤：

步骤一，通过肌电信号采集仪采集人体相关肌肉的肌电信号，获取两路肌电信号x(t)和y(t)的样本数据，然后使用一种改进小波阈值降噪方法进行预处理。

d_i与分别为阈值处理前后的小波系数，λ为阈值，N是正常数。

步骤二，计算两路肌电信号的小波相干系数。

W_x(a,b)是小波系数，是Morlet母小波函数，a是尺度因子，b是时移,t是局部时间原点,W_xy(a,b)是交叉小波变换，

步骤三，以步骤二所求得的小波相干系数作为特征向量输入支持向量机进行分类识别。支持向量机需要求解找到下面方程的最小值来优化问题：

该式服从：