【技术实现步骤摘要】
本专利技术实施例涉及生物信号处理，特别涉及一种基于短时能量的肌电信号识别方法、装置、设备及介质。
技术介绍
1、表面肌电(surface electromyography,semg)技术是一种测量肌肉电活动的方法，通过放置于肌肉表面的电极，捕捉肌肉收缩信号。semg技术被广泛应用于人机交互、康复治疗和假肢控制等领域。这种利用人体面部和颈部运动(如口唇、舌头、下颚、喉咙等)产生的肌电信号来识别人类语言的技术，在解决口语障碍、保护语音隐私等方面发挥重要作用。此外，与传统语音识别技术相比，该识别技术可以在嘈杂环境下工作，并且不需要发声，极大地提高了信息交互的可靠性和舒适性。
2、现有研究表明，semg技术可以捕捉到口唇、下颚、舌头等肌肉的电信号，这些肌电信号包含了“发音”的信息。然而，semg技术在肌电信号分类中的应用面临一些挑战：其一，由于肌电信号的噪声干扰和信号变化，semg信号的识别准确率有限；其二，由于个体差异、肌肉疲劳等因素的影响，semg信号的波形差异较大，难以进行模式识别和分类；其三，由于肌电信号的形式复杂，对其进行分类识别需要大量计算，耗时较长。
技术实现思路
1、基于现有技术难以实现快速、准确地识别肌电信号的问题，本专利技术实施例提供了一种基于短时能量的肌电信号识别方法、装置、电子设备及存储介质，能够对无声语音相关的肌电信号进行快速识别，并在降低计算成本的同时保持较高的识别准确度。
2、第一方面，本专利技术实施例提供了一种基于短时能量的肌电信号识
3、实测获取待识别的语音肌电信号；
4、对获取的语音肌电信号进行滤波降噪；
5、基于降噪后的语音肌电信号和预设的帧长，计算语音肌电信号对应的短时能量序列；
6、基于语音肌电信号对应的短时能量序列和阈值，确定语音肌电信号中各动作对应的信号起始点；
7、分别提取各动作对应的短时能量序列，作为该动作的特征，输入至训练好的随机森林分类器中，得到相应的动作分类识别结果；所述随机森林分类器是通过以不同动作对应的样本短时能量序列为输入和以动作分类识别结果为输出进行训练得到的；所述样本短时能量序列是通过对多人多动作产生的样本语音肌电信号进行滤波降噪、计算对应的短时能量序列和分别提取各动作对应的短时能量序列得到的。
8、可选地，所述对获取的语音肌电信号进行滤波降噪，包括：
9、通过带通滤波，对语音肌电信号进行滤波降噪；带通滤波的范围为30hz～256hz。
10、可选地，预设的所述帧长范围为10ms～20ms。
11、可选地，所述计算语音肌电信号对应的短时能量序列，包括：
12、利用窗口函数，计算语音肌电信号对应的短时能量序列，表达式为：
13、
14、其中，en表示在语音肌电信号的第n个数据点对应的短时能量，x(·)表示语音肌电信号，w(·)表示窗口函数，m表示预设的帧长t内第m个数据点。
15、可选地，所述样本短时能量序列通过如下方式得到：
16、实测采集或从标准数据库导入l个人的肌电信号，每人做n个语音动作，重复m次，得到l*m条样本语音肌电信号；l≥6，n≥10，m≥10；
17、对得到l*m条样本语音肌电信号进行滤波降噪；
18、基于降噪后的l*m条样本语音肌电信号和预设的帧长，计算各样本语音肌电信号对应的短时能量序列；
19、基于样本语音肌电信号对应的短时能量序列和阈值，确定样本语音肌电信号中各动作对应的信号起始点；
20、分别提取各动作对应的短时能量序列，得到不同动作对应的样本短时能量序列，并确定对应的语言动作标签。
21、可选地，所述随机森林分类器通过如下方式进行训练：
22、将得到的所述样本短时能量序列分为训练集和测试集；
23、构建随机森林分类器，并利用得到的训练集和测试集进行训练和测试，至所述随机森林分类器的分类准确率符合预设要求。
24、第二方面，本专利技术实施例还提供了一种基于短时能量的肌电信号识别装置，包括：
25、信号获取模块，用于实测获取待识别的语音肌电信号；
26、信号降噪模块，用于对获取的语音肌电信号进行滤波降噪；
27、短时分析模块，用于基于降噪后的语音肌电信号和预设的帧长，计算语音肌电信号对应的短时能量序列；
28、动作确定模块，用于基于语音肌电信号对应的短时能量序列和阈值，确定语音肌电信号中各动作对应的信号起始点；
29、动作识别模块，用于分别提取各动作对应的短时能量序列，作为该动作的特征，输入至训练好的随机森林分类器中，得到相应的动作分类识别结果；所述随机森林分类器是通过以不同动作对应的样本短时能量序列为输入和以动作分类识别结果为输出进行训练得到的；所述样本短时能量序列是通过对多人多动作产生的样本语音肌电信号进行滤波降噪、计算对应的短时能量序列和分别提取各动作对应的短时能量序列得到的。
30、可选地，所述短时分析模块计算语音肌电信号对应的短时能量序列，包括执行如下操作：
31、利用窗口函数，计算语音肌电信号对应的短时能量序列，表达式为：
32、
33、其中，en表示在语音肌电信号的第n个数据点对应的短时能量，x(·)表示语音肌电信号，w(·)表示窗口函数，m表示预设的帧长t内第m个数据点。
34、第三方面，本专利技术实施例还提供了一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时，实现本说明书任一实施例所述的方法。
35、第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行本说明书任一实施例所述的方法。
36、本专利技术实施例提供了一种基于短时能量的肌电信号识别方法、装置、电子设备及存储介质，本专利技术采用短时能量进行语音端点检测与特征构建，有效减小了肌电信号分类的复杂性，降低计算成本，提高处理效率，本专利技术利用短时能量表征动作信息，并利用训练好的随机森林分类器进行动作分类识别，有效解决无声语音识别中肌电信号难以准确分类这一问题。
本文档来自技高网...【技术保护点】
1.一种基于短时能量的肌电信号识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.一种基于短时能量的肌电信号识别装置，其特征在于，包括：
8.根据权利要求7所述的装置，其特征在于，
9.一种电子设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现如权利要求1-6中任一项所述的方法。
10.一种存储介质，其上存储有计算机程序，其特征在于，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-6中任一项所述的方法。
【技术特征摘要】
1.一种基于短时能量的肌电信号识别方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，
4.根据权利要求3所述的方法，其特征在于，
5.根据权利要求1所述的方法，其特征在于，
6.根据权利要求5所述的方法，其特征在于，
7.一种基于短时能量的肌电信号识别装置...
【专利技术属性】
技术研发人员：李海艳，李伟，卢强，张昊天，庞松健，王振华，包醒东，陈轩，
申请(专利权)人：北京环境特性研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。