基于肌肉核心激活区域的电极校正及肌电模式识别方法技术

本发明专利技术公开了一种基于肌肉核心激活区域的电极校正及肌电模式识别方法，采用高密度阵列电极对目标肌肉的肌电信号进行采集，利用矩阵分解算法提取肌肉核心激活区域，并将不同批次数据的核心激活区域进行对齐，解决肌电模式识别中的电极偏移问题，能够提升肌电模式识别效果；在此基础上，还提供一种通过深度学习的肌电模式识别框架进行肌电模式识别的方案，进一步提升了识别效果。整个方法对训练样本的多样性要求低，不需要采集多批次数据覆盖足够的电极偏移情况，不需要带有偏移信息的新样本进行模型参数的微调，本发明专利技术为解决基于肌电的模式识别中的电极偏移问题提供了新思路。

【技术实现步骤摘要】
基于肌肉核心激活区域的电极校正及肌电模式识别方法
本专利技术涉及生物信号处理领域，尤其涉及一种基于肌肉核心激活区域的电极校正及肌电模式识别方法。
技术介绍
肌电信号(EMG)是伴随肌肉收缩的重要生物信号，包含丰富的神经信息和运动控制信息。在实际应用中，肌电信号通常通过分立式或高密度的无创电极从皮肤表面采集，被称为表面肌电信号(sEMG)。肌电控制是一种通过测量表面肌电信号而将身体运动或意图转换为机器指令的技术，在假体、康复训练等医学领域和人机交互、消费电子等商业领域均具有广泛的应用前景。肌电控制的主要步骤包括肌电信号采集、肌电模式识别和硬件设备实现。其中，肌电模式识别的准确性很大程度上决定了肌电控制系统的性能。几十年来，支持向量机(SVM)、线性判别分析(LDA)、K近邻(KNN)等经典的机器学习方法已成功地应用于肌电模式识别。近年来，深度学习网络也被引入到肌电模式识别中，虽然基于深度学习的肌电模式识别研究才刚刚起步，但是其在提高肌电模式识别的准确性和鲁棒性方面已表现出巨大的潜力。大多数肌电模式识别方法在理想的实验室条件下都能取本文档来自技高网...

【技术保护点】
1.一种基于肌肉核心激活区域的电极校正方法，其特征在于，包括：/n使用电极阵列采集用户执行手势动作时产生的表面肌电信号，构建包含不同性别、不同年龄的多位健康用户在不同电极贴附位置下的手势肌电数据集；/n对手势肌电数据集进行预处理，提取出源信号和混合系数矩阵，将二范数能量最大的源信号对应的混合系数向量映射到电极阵列的对应位置，提取肌肉核心激活区域，通过核心激活区域的对齐实现电极的自适应校准。/n

【技术特征摘要】
1.一种基于肌肉核心激活区域的电极校正方法，其特征在于，包括：
使用电极阵列采集用户执行手势动作时产生的表面肌电信号，构建包含不同性别、不同年龄的多位健康用户在不同电极贴附位置下的手势肌电数据集；
对手势肌电数据集进行预处理，提取出源信号和混合系数矩阵，将二范数能量最大的源信号对应的混合系数向量映射到电极阵列的对应位置，提取肌肉核心激活区域，通过核心激活区域的对齐实现电极的自适应校准。


2.根据权利要求1所述的一种基于肌肉核心激活区域的电极校正方法，其特征在于，所述电极阵列为高密度的柔性电极阵列，行通道数为p，列通道数为q，柔性电极阵列内部相邻通道间距离为d。


3.根据权利要求1或2所述的一种基于肌肉核心激活区域的电极校正方法，其特征在于，所述使用电极阵列采集用户执行手势动作时产生的表面肌电信号包括：
在用户前臂背侧放置电极阵列，用于捕捉前臂伸肌肌群的肌电信号；或者，在用户前臂伸肌和屈肌上分别放置柔性电极，用于捕捉前臂两大肌群的肌电信号；
在任一种电极阵列放置方式下，用户逐一执行预先设计的所有手势动作。


4.根据权利要求3所述的一种基于肌肉核心激活区域的电极校正方法，其特征在于，每次手势动作之间休息指定时间；每个手势动作重复N次，时间间隔若干秒，每次手势动作持续若干秒；
手势动作的执行分为三个阶段：开始阶段、维持阶段和结束阶段；在开始阶段，手势动作即将开始执行，肌肉开始收缩；在维持阶段，动作保持静止，所有关节和肌肉收缩模式固定；在结束阶段，肌肉即将放松，手臂回到初始位置。


5.根据权利要求1或4所述的一种基于肌肉核心激活区域的电极校正方法，其特征在于，对每一手势动作产生的表面肌电信号均采用下述方式进行预处理：
通过幅度阈值检测法，将幅值异常的通道舍弃，并取相邻通道的平均值代替；
采用肌电幅度阈值法做活动段分割，使用带通滤波器对每一个活动段进行滤波，再使用高斯标准化方法对通道进行归一化；
选取维持阶段数据，使用滑动分析窗的方法进行样本扩充。


6.根据权利要求5所述的一种基于肌肉核心激活区域的电极校正方法，其特征在于，对于每个滑动分析窗内信号阵列，利用快速独立成分分析算法分解为多路源信号S...

【专利技术属性】
技术研发人员：陈香，胡若晨，张旭，李宇，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：安徽;34