基于手臂肌电信号的地面履带式无人车控制方法技术

本发明专利技术公开了一种基于手臂肌电信号的地面履带式无人车控制方法，为克服现有技术存在的缺乏灵活性、装备复杂性、易受外界环境干扰的问题，其步骤：1)正确佩戴肌电传感器并进行初始化设置：(1)用户把肌电传感器戴在手与手肘的中间位置，使电极紧贴皮肤，使参考电极贴在尺侧腕屈肌上，确保能够采集到肌电信号；(2)进行初始化操作，先使肌电传感器与履带式无人车初始化设置，即在一定的区域内通过信号处理装置与履带式无人车来测试是否建立了可靠无线通信连接；2)采集肌电信号识别不同手势并发送至履带式无人车；3)履带式无人车解析命令并执行该命令的动作；4)将摄像机拍摄的内容通过无线传输，传回信号处理装置，并显示在计算机当中。

【技术实现步骤摘要】
基于手臂肌电信号的地面履带式无人车控制方法
本专利技术涉及一种履带式无人车的控制方法，更确切的说，本专利技术涉及一种基于手臂肌电信号的地面履带式无人车控制方法。
技术介绍
随着科学技术的不断发展与创新，以人体生物电信号为基础的人机接口技术是人机交互、机器人控制等领域的研究热点之一。另外，随着人工智能领域取得了极大的成就，人工智能被广泛的应用于各行各业，尤其是军用地面履带式无人车发展迅速，为战场信息化发展带来了极大的便利条件。但是现有的技术一般是通过计算机操控整个系统，实现规划路线、躲避障碍物、自动行驶等功能。它通过机身传感器系统感知车体周围的环境，躲避路面的障碍物以及车辆和行人等，但是应用于军事领域作战时缺乏一定的灵活性。另外，虽然基于计算机视觉的手势识别是目前国内外手势识别的主流的研究方向，但是该技术极易受到光照和位置的影响，并由于较复杂的设备限制了其在手势交互方面的发展期。本专利技术通过肌电信号来控制地面履带式无人车，增加了一条方便、快捷、灵活的控制途径。
技术实现思路
本专利技术所要解决的技术问题是克服了现有技术存在的缺乏灵活性、装备复杂性、易受外界环境干扰的问题，提供了一种基于手臂肌电信号的地面履带式无人车控制方法。为解决上述技术问题，本专利技术是采用如下技术方案实现的：所述的基于手臂肌电信号的地面履带式无人车控制方法包括：1)正确佩戴肌电传感器并进行初始化设置；(1)用户把肌电传感器戴在手与手肘中间的位置，使电极紧贴皮肤，同时使参考电极贴在尺侧腕屈肌上，确保能够采集到肌电信号；(2)进行初始化操作，先使肌电传感器与履带式无人车初始化设置，即在一定的区域内通过第一信号处理装置与履带式无人车上的单片机进行通信来测试是否建立了可靠无线通信连接；2)采集肌电信号识别不同手势并发送至履带式无人车；3)履带式无人车解析命令并执行该命令的动作；4)将摄像机拍摄的内容通过无线传输传第二回信号处理装置，并显示在计算机当中。技术方案中所述的采集肌电信号识别不同手势并发送至履带式无人车是指：1)采集使用者的肌电信号；a.首先通过肌电传感器与参考电极对肌电信号进行采集；b.将肌电传感器采集到的数据与参考电极收集到的数据发送至第一信号处理装置中；2)第一信号处理装置进行手势识别并发送。技术方案中所述的第一信号处理装置进行手势识别并发送是指：a.判断采集到的信号是否为有效信号，若采集的信号为无效的肌电信号，那么就继续采集，直到肌电信号采集成功；为此设定了起点阈值fH和止点阈值fL，使其始终保持fH>fL的状态，只有当肌电信号大于fH时，被判定为手势开始执行，可以采集有效的肌电信号；b.对采集到的肌电信号经过一系列的信号处理；c.提取信号的特征即对活动段的信号进行特征提取得到有区分度的特征来提升信号的冗余度；d.分类器进行动作分类，判断是否能够识别出肌电信号，如果不能够识别出肌电信号，那么将重新进行采集；如果能够识别出肌电信号，那么将该肌电信号转换为手势定义的动作编号；e.将动作编号通过433MHz无线通信方式将其发送至履带式无人车上；f.判断肌电信号是否发生改变，若是改变那么重新识别该肌电信号，并重复步骤2)即第一信号处理装置(3-1)进行手势识别并发送的过程,如果没有发生改变，那么持续将该手势产生转换为定义的编号，通过无线来发送；如果发生了改变，那么就将改变手势的转换为相应的定义编号发送。技术方案中所述的对采集到的肌电信号经过一系列的信号处理是指：对信号进行特征提取之前进行消噪处理，通过采用小波μ律阈值函数对肌电信号的高频成分进行消噪；μ律阈值函数为:dr＝sign(|w|-ατ)，|w|＞τ其中，w表示小波分解系数；小波μ律阈值消噪的主要步骤如下：(1)对肌电信号进行小波包分解；(2)对分解到的高频系数进行阈值处理；(3)将低频系数和经阈值处理后的高频系数进行小波重构，得到消噪后的原始信号。技术方案中所述的提取信号的特征即对活动段的信号进行特征提取得到有区分度的特征来提升信号的冗余度是指：所述的肌电信号特征的提取是通过选择时域的绝对值均值(MAV)、标准差(SD)、均方根(RMS)、频域的平均功率频率(MPF)和中值频率(MF)共5个参数作为肌电信号的特征：式中：Xi为截取后的肌电信号，Psd(f)表示肌电信号的功率谱。技术方案中所述的分类器进行动作分类是在离线数据的基础上，建立最优的分类器模型，并把该分类模型应用到测试集中进行验证，得到最佳分类效果，然后采用的该模型参数对在线数据进行实时的处理分类；所述的离线数据是采集10个人肌电信号，并采集个体肌电信号300次，并标记手势标签为该手势的动作编号；(1)首先分别采集个体肌电信号，即5种不同手势的信号类型，对每个手势所对应的采集训练集数据分别标上1～5号的类标签；(2)提取5种手势信号的5类特征,分别是时域的绝对值均值(MAV)、标准差(SD)、均方根(RMS)、频域的平均功率频率(MPF)和中值频率(MF)，构成肌电信号样本；(3)将特征融合后输入到SVM分类器中进行分类；(4)十折交叉检验得到分类器分类效果最佳的分类器模型；所述的肌电信号样本是采集手臂表面的肌电信号进行预处理、滤波并提取肌电信号的特征数据，组成特征向量，用于SVM进行分类；所述的将特征融合后输入到SVM分类器中进行分类,并进行检验的执行方法如下所示：训练时依次把某个类别的样本归为一类,其他剩余的样本归为另一类，这样5个类别的样本就构造出了5个SVM。分类时将未知样本分类为具有最大分类函数值的那类，为说明方便把曲腕、握拳、伸掌、开枪、空捏五个动作类数据分别用A、B、C、D、E代替；(1)A所对应的向量作为正集，B，C，D，E所对应的向量作为负集，使用该训练集进行训练得到训练结果f1(x)；B所对应的向量作为正集，A，C，D，E所对应的向量作为负集，使用该训练集进行训练得到训练结果f2(x)；C所对应的向量作为正集，A，B，D，E所对应的向量作为负集，使用该训练集进行训练得到训练结果f3(x)；D所对应的向量作为正集，A，B，C，E所对应的向量作为负集，使用该训练集进行训练得到训练结果f4(x)；E所对应的向量作为正集，A，B，C，D所对应的向量作为负集，使用该训练集进行训练得到训练结果f5(x)；(2)在测试的时候，把对应的测试向量分别利用这五个训练结果进行测试。得到每个测试的结果类型f1(x),f2(x),f3(x),f4(x),f5(x)；(3)选取五个值中最大的一个作为分类结果；所述的十折交叉检验是指将数据集分成10份，轮流将其中9份作为训练数据，1份作为测试数据，进行试验。所述的识别肌电信号是根据在进行不同的手势识别时，各肌肉群的贡献度不同，因此特征值也会不同；通过分类器进行分类，而判断出属于某一类别，进而识别出具体的手势；表1动作编号0102030405手势曲腕握拳伸掌开枪空捏功能停止前进后退左转右转所述的手势定义如下：通过5个操控指令来控制履带式无人车；表1为手势与含义对应关系，利用手势来控制无人车进行位移运动。技术方案中所述的判断肌电信号是否发生改变是指通过滑动窗能量阈值的方法对手势动作的表面肌电信号进行活动段检测，具体算法如下：①计算所有通道的肌电信号的绝对值平均和；②利用窗长为N的矩本文档来自技高网...

【技术保护点】
1.一种基于手臂肌电信号的地面履带式无人车控制方法,其特征在于,所述的基于手臂肌电信号的地面履带式无人车控制方法包括：1)正确佩戴肌电传感器并进行初始化设置；(1)用户把肌电传感器(1)戴在手与手肘中间的位置，使电极紧贴皮肤，同时使参考电极(2)贴在尺侧腕屈肌上，确保能够采集到肌电信号；(2)进行初始化操作，先使肌电传感器(1)与履带式无人车初始化设置，即在一定的区域内通过第一信号处理装置(3‑1)与履带式无人车上的单片机进行通信来测试是否建立了可靠无线通信连接；2)采集肌电信号识别不同手势并发送至履带式无人车；3)履带式无人车解析命令并执行该命令的动作；4)将摄像机拍摄的内容通过无线传输传第二回信号处理装置(3‑2)，并显示在计算机(4)当中。

【技术特征摘要】
1.一种基于手臂肌电信号的地面履带式无人车控制方法,其特征在于,所述的基于手臂肌电信号的地面履带式无人车控制方法包括：1)正确佩戴肌电传感器并进行初始化设置；(1)用户把肌电传感器(1)戴在手与手肘中间的位置，使电极紧贴皮肤，同时使参考电极(2)贴在尺侧腕屈肌上，确保能够采集到肌电信号；(2)进行初始化操作，先使肌电传感器(1)与履带式无人车初始化设置，即在一定的区域内通过第一信号处理装置(3-1)与履带式无人车上的单片机进行通信来测试是否建立了可靠无线通信连接；2)采集肌电信号识别不同手势并发送至履带式无人车；3)履带式无人车解析命令并执行该命令的动作；4)将摄像机拍摄的内容通过无线传输传第二回信号处理装置(3-2)，并显示在计算机(4)当中。2.按照权利要求1所述的基于手臂肌电信号的地面履带式无人车控制方法,其特征在于,所述的采集肌电信号识别不同手势并发送至履带式无人车是指：1)采集使用者的肌电信号；a.首先通过肌电传感器(1)与参考电极(2)对肌电信号进行采集；b.将肌电传感器(1)采集到的数据与参考电极(2)收集到的数据发送至第一信号处理装置(3-1)中；2)第一信号处理装置(3-1)进行手势识别并发送。3.按照权利要求2所述的基于手臂肌电信号的地面履带式无人车控制方法,其特征在于,所述的第一信号处理装置(3-1)进行手势识别并发送是指：a.判断采集到的信号是否为有效信号，若采集的信号为无效的肌电信号，那么就继续采集，直到肌电信号采集成功；为此设定了起点阈值fH和止点阈值fL，使其始终保持fH>fL的状态，只有当肌电信号大于fH时，被判定为手势开始执行，可以采集有效的肌电信号；b.对采集到的肌电信号经过一系列的信号处理；c.提取信号的特征即对活动段的信号进行特征提取得到有区分度的特征来提升信号的冗余度；d.分类器进行动作分类，判断是否能够识别出肌电信号，如果不能够识别出肌电信号，那么将重新进行采集；如果能够识别出肌电信号，那么将该肌电信号转换为手势定义的动作编号；e.将动作编号通过433MHz无线通信方式将其发送至履带式无人车上；f.判断肌电信号是否发生改变，若是改变那么重新识别该肌电信号，并重复步骤2)即第一信号处理装置(3-1)进行手势识别并发送的过程,如果没有发生改变，那么持续将该手势产生转换为定义的编号，通过无线来发送；如果发生了改变，那么就将改变手势的转换为相应的定义编号发送。4.按照权利要求3所述的基于手臂肌电信号的地面履带式无人车控制方法,其特征在于,所述的对采集到的肌电信号经过一系列的信号处理是指：对信号进行特征提取之前进行消噪处理，通过采用小波μ律阈值函数对肌电信号的高频成分进行消噪；μ律阈值函数为:dr＝sign(|w|-ατ)，|w|＞τ其中，w表示小波分解系数；小波μ律阈值消噪的主要步骤如下：(1)对肌电信号进行小波包分解；(2)对分解到的高频系数进行阈值处理；(3)将低频系数和经阈值处理后的高频系数进行小波重构，得到消噪后的原始信号。5.按照权利要求3所述的基于手臂肌电信号的地面履带式无人车控制方法,其特征在于,所述的提取信号的特征即对活动段的信号进行特征提取得到有区分度的特征来提升信号的冗余度是指：所述的肌电信号特征的提取是通过选择时域的绝对值均值(MAV)、标准差(SD)、均方根(RMS)、频域的平均功率频率(MPF)和中值频率(MF)共5个参数作为肌电信号的特征：式中：Xi为截取后的肌电信号，Psd(f)表示肌电信号的功率谱。6.按照权利要求3所述的基于手臂肌电信号的地面履带式无人车控制方法,其特征在于,所述的分类器进行动作分类是在离线数据的基础上，建立最优的分类器模型，并把该分类模型应用到测试集中进行验证，得到最佳分类效果，然后采用的该模型参数对在线数据进行实时的处理分类；所述的离线数据是采集10个人肌电信号，并采集个体肌电信号300次，并标记手势标签为该手势的动作编号；(1)首先分别采集个体肌电信号，即5种不同手势的信号类型，对每个手势所对应的采集训练集数据分别标上1～5号的类标签；(2)提取5种手势信号的5类特征,分别是时域的绝对值均值(MAV)、标准差(SD)、均方根(RMS)、频域的平均功率频率(MPF)和中值频率(MF)，构成肌电信号样本；(3)将特征融合后输入到SVM分类器中进行分类；(4)十折交叉检验得到分类器分类效果最佳的分类器模型；所述的肌电信号样本是采集手臂表面的肌电信号进行预处理、滤波并提取肌电信号的特征数据，组成特征向量，用于SVM进行分类；所述的将特征融合后输入...

【专利技术属性】
技术研发人员：陈万忠，严光君，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22