手势分类器的构建方法、外骨骼机器人控制方法及装置制造方法及图纸

本发明专利技术实施例涉及一种手势分类器的构建方法、外骨骼机器人控制方法及装置，所述外骨骼机器人控制方法包括：通过肌电信号采集模块采集肌电信号；对所述肌电信号的活动段进行变换，得到对应的频谱图像；将所述频谱图像输入至手势分类器，得到所述肌电信号对应的手势动作；基于所述手势动作生成控制所述外骨骼机器人的控制指令，以及基于所述控制指令控制所述外骨骼机器人的外骨骼运动。由此，可以实现高效、准确地提取肌电信号的特征，继而实现后续的肌电信号分类识别。

【技术实现步骤摘要】
手势分类器的构建方法、外骨骼机器人控制方法及装置
本专利技术实施例涉及机器人
，尤其涉及一种手势分类器的构建方法、外骨骼机器人控制方法及装置。
技术介绍
肌电信号是众多肌纤维中运动单元动作电位在时间和空间上的叠加，能在一定程度上反映神经肌肉的活动，因此，肌电信号在临床医学、人机功效学、康复医学以及体育科学等领域均有重要的实用价值。其中，在康复医学领域中，最常见的是通过人体肌肉的肌电信号来控制假体运动。在应用中，要实现这一功能则需要对人体肌肉的肌电信号进行特征提取，以基于提取出的特征识别出人体的动作意图。目前，随着传感器技术的不断发展，采集到的肌电信号的质量也越来越高，为此研究人员需要改进肌电信号的特征提取与分类识别方法。针对肌电信号的特征提取，研究人员主要从设计新的特征、组合不同特征、改进现有的特征降维方法等方面进行研究；针对肌电信号的分类识别，研究人员则主要从优化分类器参数方面进行研究。然而，特征设计过程本身就很繁杂，而且现在已经存在大量已经试验验证过的特征，因此设计新的特征十分困难；组合不同特征和改进现有的特征降维方法本文档来自技高网...

【技术保护点】
1.一种手势分类器的构建方法，其特征在于，所述方法包括：/n获得至少一组包含手势动作与用户在做出所述手势动作过程中的肌电信号的对应关系；/n分别对每一组所述对应关系中的肌电信号的活动段进行变换，得到训练样本集合，其中，每条训练样本以变换得到的频谱图像为输入值，以所述手势动作为标签值；/n基于所述训练样本集合对卷积神经网络进行训练，得到手势分类器，所述手势分类器以频谱图像为输入值，以手势动作为输出值。/n

【技术特征摘要】
1.一种手势分类器的构建方法，其特征在于，所述方法包括：
获得至少一组包含手势动作与用户在做出所述手势动作过程中的肌电信号的对应关系；
分别对每一组所述对应关系中的肌电信号的活动段进行变换，得到训练样本集合，其中，每条训练样本以变换得到的频谱图像为输入值，以所述手势动作为标签值；
基于所述训练样本集合对卷积神经网络进行训练，得到手势分类器，所述手势分类器以频谱图像为输入值，以手势动作为输出值。


2.根据权利要求1所述的方法，其特征在于，所述分别对每一组所述对应关系中的肌电信号的活动段进行变换，包括：
采用连续小波变换算法分别对每一组所述对应关系中的肌电信号的活动段进行变换，得到对应的频谱图像。


3.根据权利要求1所述的方法，其特征在于，所述分别对每一组所述对应关系中的肌电信号的活动段进行变换，包括：
针对每一组所述对应关系，基于采集时间将所述对应关系中的肌电信号进行分组，得到多个信号组；
分别对每一所述信号组中肌电信号的活动段进行变换，得到对应的频谱图像。


4.根据权利要求3所述的方法，其特征在于，所述基于采集时间将所述对应关系中的肌电信号进行分组，得到多个信号组，包括：
按照预设的窗口长度将预设的采集时间段划分为多个时间窗口；每相邻两个时间窗口间具有重叠部分；
基于各所述时间窗口将所述对应关系中的肌电信号进行分组，得到多个信号组；同一信号组中肌电信号的采集时间落入同一时间窗口，不同信号组属于不同的时间窗口。


5.根据权利要求1所述的方法，其特征在于，所述获得至少一组包含手势动作与用户在做出所述手势动作过程中的肌电信号的对应关系，包括：
针对预设的每一手势动作，获取肌电信号采集模块在用户做出所述手势动作的过程中，按照预设的采集频率采集的至少一组包含所述手势动作与用户在做出所述手势动作时的肌电信号的对应关系。


6.根据权利要求1所述的方法，其特征在于，在所述分别对每一组所述对应关系中的肌电信号的活动段进行变换之前，所述方法还包括：
针对每一组所述对应关系中的每一肌电信号，提取所述肌电信号的包络信号；
按顺序将提取出的包络信号和预设阈值进行比较，当首次从提取出的包络信号中确定出大于预设阈值的第一包络信号时，将所述第一包络信号确定为活动段的起点信号；
当确定所述第一包络信号之后的第二包络信号不大于所述预设阈值时，将所述第二包络信号确定为活动段的终止...

【专利技术属性】
技术研发人员：李红红，姚秀军，
申请(专利权)人：北京海益同展信息科技有限公司，
类型：发明
国别省市：北京;11