基于轻量化卷积神经网络的表面肌电信号手势识别系统技术方案

本发明专利技术涉及人体生理信号解码技术领域，尤其涉及一种基于轻量化卷积神经网络的表面肌电信号手势识别系统。包括肌电信号预处理模块、训练数据准备模块、网络模型构建模块和模型训练与测试模块；肌电信号预处理模块用于对数据集中的原始表面肌电信号进行滤波和降噪处理。本发明专利技术提供的一种基于轻量化卷积神经网络的表面肌电信号手势识别系统，通过使用多尺度融合卷积模块用以提取肌电多尺度融合特征，引入多尺度感受野和多尺度融合，使得网络模型可以同时综合考虑不同尺度的下的肌电特征信息，包括局部信息和长跨度信息，并使用通道注意力机制以对特征矩阵的各个通道进行加权，强调高贡献度特征，保证了网络模型所提取特征的质量。质量。质量。

【技术实现步骤摘要】
基于轻量化卷积神经网络的表面肌电信号手势识别系统


[0001]本专利技术涉及人体生理信号解码
，尤其涉及一种基于轻量化卷积神经网络的表面肌电信号手势识别系统。

技术介绍

[0002]手是人类最重要的劳动力工具之一，是人类与外界交互的可靠手段。对于上肢残障的人群来说，设计一种灵活的手控制系统，以帮助他们进行康复训练或恢复部分肢体功能，从而提高他们的生活质量具有非常重要的意义和实际应用价值。
[0003]表面肌电信号是一种记录肌肉活动的非侵入性方法，它通过电极贴附在肌肉表面来检测肌肉收缩时产生的电活动，表面肌电信号可以直接反映使用者的运动意图，采集过程便捷且不受光线或环境噪声的影响。因此，表面肌电信号被视为了解神经系统对肌肉的潜在控制机制的窗口，通过该机制可以提取有关运动控制的信息。将表面肌电信号解码为人体运动意图是使用基于表面肌电信号的手势识别技术的肌肉
‑
计算机接口的目的，基于表面肌电信号的手势识别技术在先进的假肢控制和康复医学中有着广泛的应用。
[0004]同时，传感器技术、机电一体化、信号处理技术和配本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于轻量化卷积神经网络的表面肌电信号手势识别系统，其特征在于，包括肌电信号预处理模块、训练数据准备模块、网络模型构建模块和模型训练与测试模块；所述肌电信号预处理模块用于对数据集中的原始表面肌电信号进行滤波和降噪处理；所述训练数据准备模块用于对预处理后的肌电数据划分训练集与测试集，并进行归一化、数据增强以及输入矩阵构建；所述网络模型构建模块用于构建轻量化卷积神经网络模型；所述模型训练与测试模块用于将经过训练数据准备模块处理的数据输入到轻量化卷积神经网络模型中进行训练与参数调优，并使用测试集完成性能测试。2.根据权利要求1所述的一种基于轻量化卷积神经网络的表面肌电信号手势识别系统，其特征在于，所述肌电信号预处理模块中，通过通带频率为10
‑
500Hz的带通滤波器消除原始肌电信号中的高频和低频噪声，并使用50Hz的陷波器滤除电力线的工频干扰；通过基于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。3.根据权利要求1所述的一种基于轻量化卷积神经网络的表面肌电信号手势识别系统，其特征在于，通过训练数据准备模块将肌电信号预处理模块预处理后的数据集中，70％划分为训练集，30％划分为测试集；对训练集应用标准差归一化，且使用训练集的均值和方差对测试集作相同的处理。4.根据权利要求3所述的一种基于轻量化卷积神经网络的表面肌电信号手势识别系统，其特征在于，对训练集和测试集分别使用滑动窗口法以进行数据增强；将数据增强后得到的肌电信号扩充维度构建成三维肌电矩阵，并输入到模型训练与测试模块。5.根据权利要求1所述的一种基于轻量化卷积神经网络的表面肌电信号手势识别系统，其特征在于，所述轻量化卷积神经网络模型用于对输入的三维肌电矩阵进行特征提取和手势分类；所述轻量化卷积神经网络模型包括特征提取模块、全连接模块和分类决策模块；所述...

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