CACC驾驶员肢体等速多通道肌电信号特征提取方法技术

本发明专利技术公开了一种CACC驾驶员肢体等速多通道肌电信号特征提取方法，包括受试者进行若干CACC工况下各个量级操控程度的等速肌力操纵动作、采集肌电信号和方向盘、加速踏板、制动踏板的位移和力反馈数值信息、构造高维特征集、降维处理得到低维特征集、肌电信号分类等步骤。本发明专利技术能够有效实现CACC驾驶员肢体等速多通道肌电信号特征的提取。

【技术实现步骤摘要】

本专利技术涉及肌电信号特征提取方法，具体涉及一种CACC驾驶员肢体等速多通道肌电信号特征提取方法。背景内容汽车协同式自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)是实现汽车自主驾驶、多辆汽车队列行驶的关键技术，从全面信息交互的多车协同以保证行驶安全和性能的角度出发，实施对汽车驱动、制动和转向的智能控制，使多辆汽车进行同道同向队列行驶时保持更短的车间距，达到行驶性能的综合最优化。CACC可以带来诸多方面的改善，比如：减少驾驶员操纵负担，增强道路上的行驶安全性，简化交通管理与控制的复杂程度，减缓交通拥堵，并在此基础上提高了汽车燃油经济性，减少环境污染。目前科研人员对CACC方面的研究仍然处于相关理论和技术的研究阶段，在CACC驾驶员肢体等速多通道肌电信号特征提取还没有确切有效的方法。
技术实现思路
为了实现上述目的，本专利技术旨在提供一种CACC驾驶员肢体等速多通道肌电信号特征提取方法，解决CACC驾驶员肢体等速多通道肌电信号特征提取的问题。为了实现上述目的，本专利技术采用如下技术方案：CACC驾驶员肢体等速多通道肌电信号特征提取方法，包括如下步骤：S1受试者进行若干CACC工况下各个量级操控程度的等速肌力操纵动作；S2对受试者进行操纵动作时的肢体肌肉群的肌电信号进行采集，并同步采集方向盘、加速踏板、制动踏板的位移和力反馈数值信息；S3根据步骤S2采集得到的肌电信号采样数据构造高维特征集；S4对步骤S3所采集得到的高维特征集进行降维处理，得到低维特征集；S5运用模糊最小二乘支持向量机将二类支持向量机拓展到多类分类器，并采用所述多类分类器对经过步骤S4处理所获取的低维特征集进行分类，分类器r用来区分第r类和其余剩下的类别，对于输入的低维特征k，其输出分类超平面为Hr(k)＝ωrqk+τr，判定k的分类r；其中，Hr(k)为分类超平面，k为输入的低维特征，ωrq为与所述分类超平面Hr(k)垂直的向量，q为阶次，τr为最优偏置值；由此，完成了CACC驾驶员肢体等速多通道肌电信号的特征提取。需要说明的是，步骤S1中，受试者需要有熟练驾驶经验，肢体健康且无损伤史，无体弱和影响运动功能的全身性疾病。需要说明的是，步骤S2中，所述肢体肌肉群包括肩的前移肌和后移肌，臂的内旋肌、外旋肌、水平屈曲肌、水平伸展肌、前屈肌和后伸肌，髋的外展肌和内收肌；脚踝背伸肌和跖屈肌。需要说明的是，步骤S2中，对驾驶员进行操纵动作时的肢体肌肉群的肌电信号进行采集具体方法为：沿着肢体肌肉群方向在每块肌肉上贴三点式差动输入电极，其中一个为参考地端，另外两个为肌电的输入端，两电极中心的间距为2cm。需要说明的是，步骤S3和步骤S4的具体方法如下：S3从频率、相位、空间、时域方面构造高维特征集：在时域选取反映肌电信号时间特性的指标，包括最大峰值、均方根、方差、均值、形状因子、峭度、峰值因子，在频域中提取短时时域窗内的肌电α节律、β节律、δ节律和θ节律，在空间和相位中对α节律、β节律、δ节律和θ节律进行量化，从而得到高维特征集；S4采用局部切空间排列算法对步骤S3中的高维特征集进行处理：用局部切空间G逼近标准判断领域集N是否与流形ζ的局部几何性质匹配，将各个局部切空间排列以构造流形的全局坐标，从而获得肌电信号采集数据的低维坐标，得到肌电信号采样数据的低维特征集。进一步需要说明的是，步骤S3中，采用瞬时频率分析方法在频域中提取短时时域窗内的肌电α节律、节律β、δ节律和θ节律。进一步需要说明的是，步骤S3中，在空间和相位中运用空间相似度和电流源密度估计方法对α、β、δ和θ节律进行量化。需要说明的是，所述CACC驾驶员肢体等速多通道肌电信号特征提取方法还包括如下步骤：S6通过引入松散因子γ构建惩罚函数以提高对CACC驾驶员肢体肌电信号识别和特征提取的精度。本专利技术的有益效果在于：通过本专利技术可以获取驾驶员肢体肌肉收缩的神经支配特性、肢体的位置、速度和加速度等能够预先判断驾驶员的操纵意图，进而有利于调整并控制汽车转向力、驱动力和制动力，进而有利于使汽车间的安全时距更小，提高交通流量，减少油耗。附图说明图1为本专利技术的实施流程图。具体实施方式以下将结合附图对本专利技术作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围并不限于本实施例。如图1所示，CACC驾驶员肢体等速多通道肌电信号特征提取方法，包括如下步骤：S1受试者进行若干CACC工况下各个量级操控程度的等速肌力操纵动作，各个量级操控程度的等速肌力操纵动作用目标向量T＝[A1,A2,A3,...,Ai,...,AI]表示，I为受试者所进行的等速肌力操纵动作总数；S2对受试者进行操纵动作时的肢体肌肉群的肌电信号进行采集，并同步采集方向盘、加速踏板、制动踏板的位移和力反馈数值信息；S3根据步骤S2采集得到的肌电信号采样数据构造高维特征集；S4对步骤S3所采集得到的高维特征集进行降维处理，得到低维特征集；S5运用模糊最小二乘支持向量机将二类支持向量机拓展到多类分类器，并采用所述多类分类器对经过步骤S4处理所获取的低维特征集进行分类，分类器r用来区分第r类和其余剩下的类别，对于输入的低维特征k，其输出分类超平面为Hr(k)＝ωrqk+τr，判定k的分类r；其中，Hr(k)为分类超平面，k为输入的低维特征，ωrq为与所述分类超平面Hr(k)垂直的向量，q为阶次，τr为最优偏置值；由此，完成了CACC驾驶员肢体等速多通道肌电信号的特征提取。需要说明的是，步骤S1中，受试者需要有熟练驾驶经验，肢体健康且无损伤史，无体弱和影响运动功能的全身性疾病。需要说明的是，步骤S2中，所述肢体肌肉群包括肩的前移肌和后移肌，臂的内旋肌、外旋肌、水平屈曲肌、水平伸展肌、前屈肌和后伸肌，髋的外展肌和内收肌；脚踝背伸肌和跖屈肌。需要说明的是，步骤S2中，对驾驶员进行操纵动作时的肢体肌肉群的肌电信号进行采集具体方法为：沿着肢体肌肉群方向在每块肌肉上贴三点式差动输入电极，其中一个为参考地端，另外两个为肌电的输入端，两电极中心的间距为2cm。需要说明的是，步骤S3和步骤S4的具体方法如下：S3从频率、相位、空间、时域方面构造高维特征集：在时域选取反映肌电信号时间特性的指标，包括最大峰值、均方根、方差、均值、形状因子、峭度、峰值因子，在频域中提取短时时域窗内的肌电α节律、β节律、δ节律和θ节律，在空间和相位中对α节律、β节律、δ节律和θ节律进行量化，从而得到高维特征集；S4采用局部切空间排列算法对步骤S3中的高维特征集进行处理：用局部切空间G逼近标准判断领域集N是否与流形ζ的局部几何性质匹配，将各个局部切空间排列以构造流形的全局坐标，从而获得肌电信号采集数据的低维坐标，得到肌电信号采样数据的低维特征集。进一步需要说明的是，步骤S3中，采用瞬时频率分析方法在频域中提取短时时域窗内的肌电α节律、节律β、δ节律和θ节律。进一步需要说明的是，步骤S3中，在空间和相位中运用空间相似度和电流源密度估计方法对α、β、δ和θ节律进行量化。需要说明的是，所述CACC驾驶员肢体等速多通道肌电信号特征提取方法还包括如下步骤：S6通过引入松散因子γ构建惩罚函数以提高对本文档来自技高网...

【技术保护点】
CACC驾驶员肢体等速多通道肌电信号特征提取方法，其特征在于，包括如下步骤：S1受试者进行若干CACC工况下各个量级操控程度的等速肌力操纵动作；S2对受试者进行操纵动作时的肢体肌肉群的肌电信号进行采集，并同步采集方向盘、加速踏板、制动踏板的位移和力反馈数值信息；S3根据步骤S2采集得到的肌电信号采样数据构造高维特征集；S4对步骤S3所采集得到的高维特征集进行降维处理，得到低维特征集；S5运用模糊最小二乘支持向量机将二类支持向量机拓展到多类分类器，并采用所述多类分类器对经过步骤S4处理所获取的低维特征集进行分类，分类器r用来区分第r类和其余剩下的类别，对于输入的低维特征k，其输出分类超平面为Hr(k)＝ωrqk+τr，判定k的分类r；其中，Hr(k)为分类超平面，k为输入的低维特征，ωrq为与所述分类超平面Hr(k)垂直的向量，q为阶次，τr为最优偏置值；由此，完成了CACC驾驶员肢体等速多通道肌电信号的特征提取。

【技术特征摘要】
1.CACC驾驶员肢体等速多通道肌电信号特征提取方法，其特征在于，包括如下步骤：S1受试者进行若干CACC工况下各个量级操控程度的等速肌力操纵动作；S2对受试者进行操纵动作时的肢体肌肉群的肌电信号进行采集，并同步采集方向盘、加速踏板、制动踏板的位移和力反馈数值信息；S3根据步骤S2采集得到的肌电信号采样数据构造高维特征集；S4对步骤S3所采集得到的高维特征集进行降维处理，得到低维特征集；S5运用模糊最小二乘支持向量机将二类支持向量机拓展到多类分类器，并采用所述多类分类器对经过步骤S4处理所获取的低维特征集进行分类，分类器r用来区分第r类和其余剩下的类别，对于输入的低维特征k，其输出分类超平面为Hr(k)＝ωrqk+τr，判定k的分类r；其中，Hr(k)为分类超平面，k为输入的低维特征，ωrq为与所述分类超平面Hr(k)垂直的向量，q为阶次，τr为最优偏置值；由此，完成了CACC驾驶员肢体等速多通道肌电信号的特征提取。2.根据权利要求1所述的CACC驾驶员肢体等速多通道肌电信号特征提取方法，其特征在于，步骤S1中，受试者需要有熟练驾驶经验，肢体健康且无损伤史，无体弱和影响运动功能的全身性疾病。3.根据权利要求1所述的CACC驾驶员肢体等速多通道肌电信号特征提取方法，其特征在于，步骤S2中，所述肢体肌肉群包括肩的前移肌和后移肌，臂的内旋肌、外旋肌、水平屈曲肌、水平伸展肌、前屈肌和后伸肌，髋的外展肌和内收肌；脚踝背伸肌和跖屈肌。4.根据权利要求1所述的CACC驾驶员肢体等速多通道肌电信号特征提取方法，其特征在于，步骤S2中，对驾驶员进行操纵动...

【专利技术属性】
技术研发人员：张晋东，贾晓燕，李想，张冠华，栾婧，尹雪龙，黄聚，吴兴刚，许彦平，朱琳瑶，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林;22