一种基于梯度提升树的sEMG信号最优通道选择方法技术

本发明专利技术涉及一种基于梯度提升树的sEMG信号最优通道选择方法，在驱动形成待识别动作的每一组肌肉处，粘贴若干电极，采集每个电极通道的sEMG信号，添加标签，对添加标签后的sEMG信号进行滤波预处理；对滤波预处理后的sEMG信号进行特征值提取，得到特征向量；训练第一梯度提升树模型，生成新特征值；将特征向量与新特征值组合，生成组合特征；训练第二梯度提升树模型，输出待识别动作的识别正确率,得到识别正确率序列，其中正确率最高的通道组合即为最优通道组合。本发明专利技术可以减少sEMG采集过程中过多的噪声引入，保证系统的鲁棒性；去除无用数据、冗余数据，从而降低数据处理周期，避免数据堆积导致的时间延时，保证系统的实时性。

【技术实现步骤摘要】
一种基于梯度提升树的sEMG信号最优通道选择方法
本专利技术涉及生物信号识别
，具体地说是一种基于梯度提升树的sEMG信号最优通道选择方法。
技术介绍
人体表面肌电(sEMG，surfaceelectromyography)信号是肌肉收缩时多个活跃运动单元发出的动作电位序列经由脂肪组织容积滤波后，在皮肤表面叠加的结果，它直接反映人体的运动意图。基于sEMG的动作识别是人机交互的重要组成部分，已经被广泛应用于康复外骨骼机器人、智能假肢、游戏娱乐等各个领域。基于sEMG识别进行人机交互时，主要流程包括：(1)根据待识别的动作类型，依据人体解剖学的肌肉位置，大致确定sEMG信号采集电极的粘贴位置；(2)粘贴采集电极，对采集到的sEMG信号进行滤波、标签修正等预处理操作，并提取相关的特征值构成特征向量；(3)选择合适的算法模型，利用采集到的特征向量对其进行训练，获得离线分类模型，并评估测试集正确率和在线实时控制时的控制精度；(4)再次进行在线实验时，在步骤1所选肌肉位置处重新粘贴电极，利用步骤3训练获得的离本文档来自技高网...

【技术保护点】
1.一种基于梯度提升树的sEMG信号最优通道选择方法，其特征在于，包括以下步骤：/n步骤1：在驱动形成待识别动作的每一组肌肉处，粘贴若干电极，采集每个电极通道的sEMG信号，对采集到的sEMG信号添加标签，并对添加标签后的sEMG信号进行滤波预处理；/n步骤2：对滤波预处理后的sEMG信号进行特征值提取，得到特征向量；/n步骤3：利用特征向量训练第一梯度提升树模型，生成新特征值；/n步骤4:将步骤2中得到的特征向量与步骤3中生成的新特征值组合，生成组合特征；/n步骤5:利用组合特征训练第二梯度提升树模型，输出待识别动作的识别正确率；/n步骤6：对于每一种通道组合，执行步骤2～步骤5，直至遍历所...

【技术特征摘要】
1.一种基于梯度提升树的sEMG信号最优通道选择方法，其特征在于，包括以下步骤：
步骤1：在驱动形成待识别动作的每一组肌肉处，粘贴若干电极，采集每个电极通道的sEMG信号，对采集到的sEMG信号添加标签，并对添加标签后的sEMG信号进行滤波预处理；
步骤2：对滤波预处理后的sEMG信号进行特征值提取，得到特征向量；
步骤3：利用特征向量训练第一梯度提升树模型，生成新特征值；
步骤4:将步骤2中得到的特征向量与步骤3中生成的新特征值组合，生成组合特征；
步骤5:利用组合特征训练第二梯度提升树模型，输出待识别动作的识别正确率；
步骤6：对于每一种通道组合，执行步骤2～步骤5，直至遍历所有通道组合，得到识别正确率序列，其中正确率最高的通道组合即为最优通道组合。


2.根据权利要求1所述的基于梯度提升树的sEMG信号最优通道选择方法，其特征在于：所述粘贴电极的肌肉，是指形成待识别动作时，需要进行收缩进而驱动形成待识别动作的所有肌肉。


3.根据权利要求1所述的基于梯度提升树的sEMG信号最优通道选择方法，其特征在于：所述添加标签为：对于不同动作类别下采集到的sEMG信号，对应添加相应类别的标签，用于区分不同动作类别。


4.根据权利要求1所述的基于梯度提升树的sEMG信号最优通道选择方法，其特征在于：所述滤波预处理包括：使用限幅处理去除尖峰噪声，使用陷波器去除工频噪声以及使用巴特沃兹带通滤波器滤除sEMG信号中的高频噪声。...

【专利技术属性】
技术研发人员：赵新刚，姚杰，马乐乐，张弼，赵明，徐壮，
申请(专利权)人：中国科学院沈阳自动化研究所，
类型：发明
国别省市：辽宁;21