一种基于表面肌电信号的手势识别方法技术

本发明专利技术公开了一种基于表面肌电信号的手势识别方法，利用传感器采集表面肌电信号数据；对表面肌电信号数据采用七种特征提取组合算法进行特征提取；对进行特征提取后数据采用三种不同的分类器进行分类对比；计算每组表面肌电信号数据的分类结果的平均准确度，将分类结果的平均准确度中最大值所对应的特征提取值算法和模式识别分类器的组合作为最优组合，确定该表面肌电信号属于何种手势。本发明专利技术实施例采用七种特征提取组合算法和三种分类器进行分类，从而有效地提高手势识别的迅速性及稳定性，应用于灵巧手控制中可带来更好的用户体验。

A Gesture Recognition Method Based on Surface EMG Signal

The invention discloses a gesture recognition method based on surface electromyogram signal, which collects surface electromyogram signal data by sensors, extracts feature from surface electromyogram signal data by seven feature extraction combination algorithms, classifies and compares data after feature extraction by three different classifiers, and calculates the average accuracy of classification results of each group of surface electromyogram signal data. Accuracy, the combination of feature extraction algorithm and pattern recognition classifier corresponding to the maximum average accuracy of classification results is taken as the optimal combination to determine what kind of gesture the surface EMG signal belongs to. The embodiment of the invention adopts seven feature extraction combination algorithms and three classifiers to classify, thereby effectively improving the rapidity and stability of gesture recognition and bringing better user experience when applied to dexterous hand control.

【技术实现步骤摘要】
一种基于表面肌电信号的手势识别方法
本专利技术涉及涉及一种基于表面肌电信号提供最优化的手势识别方法，可应用于服务机器人的灵巧手控制领域，通过安装在前臂的传感器实时判断用户的运动意图，控制灵巧手按照用户的意图进行运动。
技术介绍
表面肌电信号(SurfaceElectromyography，简称SEMG)是一种与神经肌肉活动相关的生物电信号。当运动指令经由神经中枢系统传导至相关肌纤维时，会引起肌纤维上电位变化并发生肌纤维的收缩，该电位变化在皮肤表面处发生时间和空间上的叠加而形成表面肌电信号，可通过表面肌电电极采集。表面肌电信号包含了肌肉收缩的模式以及收缩强度等信息，不同的肢体动作对应不同的肌电信号，通过分析表面肌电信号就可以判别出该信号所对应的具体动作模式。表面肌电信号是一种非线性生物信号，具有信号微弱、结构复杂、非平稳性、鲁棒性差的特点。由于它具有非植入性和易获取性，表面肌电信号可作为输入信号用在多种人机交互(human-computerinteration，HCI)设备中，例如通过手势识别进行灵巧手的控制。标准的表面肌电信号控制器通常基于信号的阈值和振幅来实现对简单动作的识别(如手本文档来自技高网...

【技术保护点】
1.一种基于表面肌电信号的手势识别方法，其特征在于，包括步骤：步骤一：利用传感器采集表面肌电信号数据；步骤二：对所述表面肌电信号数据采用七种特征提取组合算法进行特征提取；步骤三：对进行特征提取后数据采用三种不同的分类器进行分类对比；步骤四：计算每组表面肌电信号数据的分类结果的平均准确度，将分类结果的平均准确度中最大值所对应的特征提取算法和模式识别分类器的组合作为最优组合，确定表面肌电信号属于何种手势。

【技术特征摘要】
1.一种基于表面肌电信号的手势识别方法，其特征在于，包括步骤：步骤一：利用传感器采集表面肌电信号数据；步骤二：对所述表面肌电信号数据采用七种特征提取组合算法进行特征提取；步骤三：对进行特征提取后数据采用三种不同的分类器进行分类对比；步骤四：计算每组表面肌电信号数据的分类结果的平均准确度，将分类结果的平均准确度中最大值所对应的特征提取算法和模式识别分类器的组合作为最优组合，确定表面肌电信号属于何种手势。2.根据权利要求1所述的一种基于表面肌电信号的手势识别方法，其特征在于，所述七种特征提取组合算法是基于Willison幅值、均方根和方差三种特征提取算法作为组合基础。3.根据权利要求2所述的一种基于表面肌电信号的手势识别方法，其特征在于，所述七种特征提取组合算法分别为算法均方根-Willison幅值、均方根-Willison幅值-方差、均方根、均方根-方差、Willison幅值、方差-Willison幅值和方差。4.根据权利要求2所述的一种基于表面肌电信号的手势识别方法，其特征在于，所述Willison幅值算法的计算公式如下所示，其中W为采样窗口的宽度、xi为在采样窗...

【专利技术属性】
技术研发人员：胡俊，王宏玉，刘世昌，宋吉来，朱洪彪，陈禹希，
申请(专利权)人：沈阳新松机器人自动化股份有限公司，
类型：发明
国别省市：辽宁,21