[发明专利]一种基于表面肌电传感器和九轴传感器的手语识别方法

权利要求书

1.一种基于表面肌电传感器和九轴传感器的手语识别方法，包括穿戴于手臂上的臂环(1)，其特征在于：所述臂环(1)上设有一个九轴传感器(2)、八个肌电传感器(3)和一个蓝牙接收器(4)，所述九轴传感器(2)用于检测手臂的运动轨迹和方位，所述表面肌电传感器(3)用于检测不同手势的肌电信号，所述臂环(1)通过蓝牙接收器(4)连接终端设备，手语识别方法具体如下：

步骤一、首先，将臂环(1)佩戴在手臂上，通过肌电传感器(3)和九轴传感器(2)训练采集所有的手语原始数据，经蓝牙接收器(4)发送至终端设备；

步骤二、通过基于样本熵的信号起始点检测获取待识别手势的有效动作数据；

步骤三、通过卡尔曼滤波对待识别手势的有效动作数据进行噪音预处理，并输出过滤后的待识别手势数据；

步骤四、通过对第三步中输出的待识别手势数据进行时频域的特征提取并归一化；

步骤五、构件训练样本集合，并集成训练识别模型，并通过此模型对第四步中的待识别手势数据进行识别；

步骤六、识别手势数据后，经终端设备输出待识别手势的识别结果。

2.根据权利要求1所述的一种基于表面肌电传感器和九轴传感器的手语识别方法，其特征在于：八个所述肌电传感器(3)均匀嵌设于臂环(1)内侧壁，所述九轴传感器(2)和蓝牙接收器(4)设置于臂环(1)内部。

3.根据权利要求1所述的一种基于表面肌电传感器和九轴传感器的手语识别方法，其特征在于：所述肌电传感器(3)和九轴传感器(2)通过A/D传感器与蓝牙接收器(4)连接，所述蓝牙接收器(4)与终端设备通信连接，所述终端设备包括手机或电脑。

4.根据权利要求1所述的一种基于表面肌电传感器和九轴传感器的手语识别方法，其特征在于：所述步骤二中有效动作数据获取方法如下：

首先对肌电信号进行64点滑动窗分帧，计算每帧信号的SampEn值，设定阈值Th对SampEn进行整流得到En，将低于Th的SampEn值置0，保留大于Th的SampEn值；当某时刻整流后的En值大于0，并连续30至150个En值大于0时，该时刻即判定手势的起始点；

设每帧信号{x(i)}，其中i＝1，2，……，N，N为数据长度总和；

SampEn计算方法为：

(1)将每帧信号序列中连续m个值构成的m纬矢量，其中i＝1，2，……N-m+1；

x(i)＝[x(i),x(i+1),…x(i+m-1)]

(2)定义x(i)与x(j)的距离d[x(i),x(j)]为两者对应元素中差值最大的：

(3)给定相似容差r，对于每一个[i≤N-m，统计d[x(i),x(j)]〈r的个数，并对距离总数N-m-1求均值，得到所有N-m条件下的模版匹配数，对矢量个数总和N-m求平均，记为Z^m(r)：

(4)将矢量纬度m改为m+1，得到Z^m+1(r)：

(5)对应每帧数据长度为N的肌电信号，其对应的样本熵值为：

其中r一般取0.1-0.25SD(X)，其中SD是信号的标准差；

该有效动作数据集合记为S＝{s₁,s₂,…s_n}，其中S_{i(i＝1,2…n)}＝{S_i1,S_i2…,S_i17}。