[发明专利]基于小波加权排列熵的肌电信号识别方法

权利要求书

1.基于小波加权排列熵的肌电信号识别方法，其特征在于该方法包括如下步骤：

步骤(1).获取人体上肢肌电信号的样本数据；首先通过肌电信号采集仪采集人体上肢相关肌肉的肌电信号，并运用能量阈值法确定动作开始点，获得肌电信号的动作信号；

步骤(2).将步骤(1)获取的肌电信号的动作信号进行小波分解得到各频率信号小波子带，并对各小波子带求取加权排列熵；

步骤(3).对步骤(2)所求得的各小波子带的加权排列熵进行组合，选取最佳的小波子带特征组合作为一组组合特征集；

步骤(4).将步骤(3)选得的组合特征集作为特征向量输入支持向量机分类器进行模式分类，获得日常手部动作的分类识别结果；

所述的步骤(2)的小波子带求取加权排列熵具体设计如下：

Step1：给定一个长度为N的时间序列{x(i)，i＝1，2，...，N}，则i时间的m维嵌入向量定义为

X_i＝{x(i)，x(i+τ)，...，x(i+(m-1)τ)} (1)

其中τ为延迟时间，m为嵌入维数；

Step2：将m个重构分量{x(i)，x(i+τ)，…，x(i+(m-1)τ)}按照升序进行重新排列，即

x(i+(j₁-1)τ)≤x(i+(j₂-1)τ)≤…≤x(i+(j_m-1)τ)(2)

若X_i重构分量大小一样，则依据j的值的大小来进行排序，即当x(i+(j_m1-1)τ)＝x(i+(j_m2-1)τ)，且j_m1＜j_m2，有

x(i+(j_m1-1)τ)≤x(i+(j_m2-1)τ) (3)

Step3：将任意一向量组符号化，得到其相应的符号序列

π_j＝(j₁，j₂，…，j_m) (4)

在m维空间中，每个状态向量X_i被映射到m！种不同的符号序列即m个不同的符号序列(j₁，j₂，…，j_m)一共有m！种不同的排列；

Step4：在计算加权排列熵与每种符号相关的相对频率时，可根据不同模式下幅值或方差的不同，对提取的每个矢量赋予权重值；用每个状态向量X_i的方差计算权值，权值ω_j表示为：

式中表示状态向量X_i的均值，即

Step5：设表示在相同符号序列下的不同排列时间序列的频率，每种符号序列的加权相对概率为：

是所有序列模式π_j的集合；权值ω_j相当于从每个状态向量X_i中选择一个特定的特征用来表示；可由内容的不同而选取不同的特定特征，但是始终存在∑_jp_ω(π_j)＝1的关系；p_ω相当于计算每种模式权重所占的比例；

Step6：加权排序熵的定义如下：

H_ω(m)＝-∑_Πp_ω(π_j)ln p_ω(π_j) (7)。