基于双流特征融合卷积神经网络的肌电信号手势预测系统技术方案

本发明专利技术公开了基于双流特征融合卷积神经网络的肌电信号手势预测系统，涉及人体生理信号解码技术领域。本发明专利技术包括手势动作采集模块、肌电信号预处理模块、模型数据准备模块、模型构建模块、训练与测试模块、模型预测模块、电刺激辅助模块；手势动作采集模块主要实现对于手势动作执行过程中肌电信号的采集；肌电信号预处理模块用于肌电信号进行滤波、陷波、降噪等，同时对训练数据进行标签标注；模型数据准备模块用于对数据进行截取、数据归一化以及输入矩阵构建。本发明专利技术通过运用手势动作执行期数据来对模型进行训练，使得模型能够基于手势动作执行期数据实现对手势动作的预测，进而更快地输出控制指令，提高了控制效率。提高了控制效率。提高了控制效率。

【技术实现步骤摘要】
基于双流特征融合卷积神经网络的肌电信号手势预测系统


[0001]本专利技术属于人体生理信号解码
，特别是涉及基于双流特征融合卷积神经网络的肌电信号手势预测系统。

技术介绍

[0002]手作为人类重要的器官，不仅是我们从事劳动的主要工具，也是重要的交流工具；人手不仅能够做出精细、复杂的手势动作，也能够传达思想情感和行为意图，是人类与外界进行交互的重要方式；由于战争、事故、工伤等原因，每年都有大量的患者失去手或部分手臂；同时由脊髓损伤、脑中风等疾病引起的肢体残障的人数也在增加；根据第二次全国残疾人抽样调查显示肢体残疾占总残疾人数的30%左右；肢体的缺失或功能障碍给残疾人的日常生活、工作和交流带来了诸多不便与烦恼；安装假肢（也称“义肢”）可以恢复患者残缺肢体原有的形态或功能，减轻功能障碍，提高生活质量；目前假肢手主要包括三类，一类是仅起装饰作用的假肢，这种假肢不能完成任何动作；第二类是简单的机械构造的索控式假肢，这种类型的假肢可以进行单自由度的简单动作；第三类为肌电假肢；肌电假肢手主要运用患者残肢附近的表面肌电信号作为假肢的控制依据，通过一定的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于双流特征融合卷积神经网络的肌电信号手势预测系统，其特征在于，包括手势动作采集模块、肌电信号预处理模块、模型数据准备模块、模型构建模块、训练与测试模块、模型预测模块、电刺激辅助模块；所述手势动作采集模块用于对手势动作执行过程中肌电信号的采集；所述肌电信号预处理模块用于肌电信号进行滤波、陷波以及降噪，同时对训练数据进行标签标注；所述模型数据准备模块用于对数据进行截取、数据归一化以及输入矩阵构建；所述模型构建模块主要是对双流特征融合卷积神经网络进行构建；所述训练与测试模块通过采集的手势动作肌电数据对模型进行训练和测试；所述模型预测模块实时采集手势动作执行期的肌电数据，根据执行期的肌电数据对手势动作进行分析和预测，并输出预测结果；所述电刺激辅助模块根据输出的预测结果，驱动电刺激器输出刺激电流，辅助完成手势动作执行。2.根据权利要求1所述的基于双流特征融合卷积神经网络的肌电信号手势预测系统，其特征在于，所述手势动作采集模块通过贴片电极采集每个被试者在做不同手势时的上肢表面肌电信号；所述上肢表面肌电信号包括执行期数据和保持期数据；所述执行期数据来自于手势动作从开始执行到手势形成的动态过程；所述保持期数据来自于手势形成后的保持阶段。3.根据权利要求1所述的基于双流特征融合卷积神经网络的肌电信号手势预测系统，其特征在于，所述手势动作采集模块中，贴片电极位置分别为指浅屈肌、肱桡肌、掌长肌、食指固有伸肌、指伸肌、拇指固有伸肌。4.根据权利要求1所述的基于双流特征融合卷积神经网络的肌电信号手势预测系统，其特征在于，所述肌电信号的滤波用于对信号进行傅里叶变换，并使用带通滤波器；所述肌电信号的陷波用于通过50Hz陷波器以消除电力线的工频干扰；所述肌电信号的降噪用于对信号采用基于sym母波的小波分解将信号中各种不同的频率成分分解到互不重叠的频带上，探测正常信号中突变信号的成分，以去除顽固噪声。5.根据权利要求1所述的基于双流特征融合卷积神经网络的肌电信号手势预测系统，其特征在于，所述数据截取用于截取每个数据段中的数据；所述数据归一化用于对数据截取中的训练集和测试集进行归一化处理...

【专利技术属性】
技术研发人员：姜彬，吴豪，夏清玲，肖汉光，邢欣来，彭波，
申请(专利权)人：重庆理工大学，
类型：发明
国别省市：