[发明专利]一种基于肌电特征优化的下肢动作识别方法及系统

说明书

本发明提供了一种基于肌电特征优化的下肢动作识别方法及系统，所述方法包括：实时获取下肢动作对应的多个肌电信号；对所述多个肌电信号，分别进行主特征段信号提取；对每个主特征段信号，分别进行特征提取，并根据肌电信号能量与动作之间相关度进行特征优化；将优化后的多个特征融合得到特征向量；基于所述特征向量，采用预训练的下肢动作识别模型进行下肢动作识别。本发明通过引入基于肌肉与运动相关度的加权特征优化，在降低特征冗余度的同时保留尽可能多的有用信息，提高了识别效率和准确率。

技术领域

本发明属于动作识别技术领域，尤其涉及一种基于肌电特征优化的下肢动作识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

基于表面肌电信号的下肢动作识别技术，具有安全、实时、便捷的特点，被广泛应用于运动医学、生物医学、康复工程、智能假肢等诸多领域。

下肢动作识别技术通常都包括特征提取、处理和基于特征进行分类等多个阶段。例如，中国专利CN110238863B提出一种基于脑电-肌电信号的下肢康复机器人控制方法及系统，利用脑电-肌电相干性分析，进行3种简单的下肢动作识别。中国专利CN107092861B提出了一种基于压力与加速度传感器的下肢动作识别方法，在提取到所需特征后，采取降维处理，将48维特征降低至5维，并通过简单的SVM分类器识别了6种简单的下肢动作。重庆大学自动化研究所石欣等提出了一种基于表面肌电信号的下肢运动特征提取与分类方法，通过简单的特征融合，利用sEMG离线识别了5种简单的下肢动作。

包括以上实现方法在内的现有技术中，下肢动作相应肌电信号的特征处理过程中，一部分研究人员对特征进行降维处理，导致在降低特征冗余度的同时会丢失部分有效特征，虽然能减少数据量、提高识别速度，但会使动作的区分度降低，识别率下降；一部分研究人员对提取到的特征不作处理，进行简单的特征融合后，输入分类器识别，虽然保留了全部有效信号，但是会导致识别速度慢、延迟高、时效性差，不具备实际的推广应用价值。在分类器训练模型过程中，部分人员利用最原始的支持向量机，进行简单的分类，不具备参数寻优的过程，识别率得不到保障，而通过遗传算法来进行参数寻优，可以获得较好的参数，识别率得到一定提升，但传统遗传算法选择算子易陷入局部最优解，适应性差，不宜用于实际的动作识别。

发明内容

为克服上述分类方法识别率低、适应性差、实际应用价值不高的缺点，本发明提供了一种基于肌电信号特征优化的下肢动作识别方法及系统，引入了基于肌肉与运动相关度的加权特征优化算法，在降低特征冗余度的同时保留尽可能多的有用信息，在提高识别速度的同时提高了识别率。

为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

一种基于肌电特征优化的下肢动作识别方法，包括以下步骤：

实时获取下肢动作对应的多个肌电信号；

对所述多个肌电信号，分别进行主特征段信号提取；

对每个主特征段信号，分别进行特征提取，并根据肌电信号能量与动作之间相关度进行特征优化；

将优化后的多个特征融合得到特征向量，基于所述特征向量，采用预训练的下肢动作识别模型进行下肢动作识别。

进一步地，获取下肢多个肌电信号后，还对所述多个肌电信号进行去噪预处理：小波变换阈值去噪法、数字滤波阈值去噪法去除基线漂移、高频噪声以及低频噪声，利用陷波器去除50Hz工频干扰。

进一步地，所述主特征段信号提取采用分帧能量法：

对肌电信号进行分帧，并计算每帧内信号的总能量；

若某帧内的总能量大于设定阈值，且之后的设定个数的帧内总能量均大于该设定阈值，则将该帧作为一个动作段的起始帧；