一种基于表面肌电信号的边缘端识别方法及系统技术方案

本发明专利技术公开了一种基于表面肌电信号的边缘端识别方法及系统，涉及生物信号处理和人工智能技术领域，包括采集表面肌电信号，通过带通滤波得到连续的原始信号；将原始信号通过神经网络模型进行轻量化优化，得到轻量级模型；基于轻量级模型进行二次转化得到网络模型，建立神经网络模型的轻量化编码格式；使用推理引擎执行轻量化编码格式，获取边缘端识别结果。在边缘端的识别模型基于TensorFlow中定义和训练好的神经网络模型，进行包括知识蒸馏和量化过程的轻量化处理，得到的模型在通过ASAP算法遍历计算图的方法解决不同模型结构的计算步骤差异问题后，转化为一种适合嵌入式系统运行的数据结构，使网络模型变成轻量化的编码格式。

【技术实现步骤摘要】

本专利技术涉及生物信号处理和人工智能，特别是一种基于表面肌电信号的边缘端识别方法及系统。

技术介绍

1、表面肌电信号(semg)作为一种与人体运动密切相关的生理信号，可以应用于人机交互技术。肌电交互以表面肌电信号为输入，实现人与计算机或其他设备之间的直接交流。肌电相互作用在虚拟世界、医疗保健、工业等领域有着广阔的应用前景和巨大的市场潜力。深度神经网络可以用来解码表面肌电信号中的交互信息。然而，大多数深度神经网络的复杂性使得在微控制器上部署这种算法变得困难。

2、目前有许多使用表面肌电信号进行交互的系统都有着一个共同的问题，它们的系统结构较为分散，几乎都将交互指令的解码工作部署在了交互目标系统之上，并采用了不同标准的规范来交换数据。因此，如何将表面肌电信号的识别部署在边缘端，并使用统一的标准协议进行识别结果的传输，以防止个人信息的泄露、提高系统兼容性、减少数据传输的功耗，成为了一个亟待解决的问题。

技术实现思路

1、鉴于现有的基于表面肌电信号的边缘端识别及系统中存在的问题，提出了本专利技术。

本文档来自技高网...

【技术保护点】

1.一种基于表面肌电信号的边缘端识别方法，其特征在于：包括，

2.如权利要求1所述的基于表面肌电信号的边缘端识别方法，其特征在于：通过HID设备采集表面肌电信号，所述HID设备包括电极、仪表放大器和芯片，

3.如权利要求2所述的基于表面肌电信号的边缘端识别方法，其特征在于：所述轻量化优化包括在TensorFlow中定义神经网络模型，产生轻量级模型，所述优化包括知识蒸馏和量化，所述知识蒸馏包括将原模型内的参数通过蒸馏损失更新目标模型，所述原模型包括将softmax函数经过修改生成不同类别的概率分布向量，所述量化包括使用多位定点数的量化算法进行处理，所述目标模型为经过...

【技术特征摘要】

1.一种基于表面肌电信号的边缘端识别方法，其特征在于：包括，

2.如权利要求1所述的基于表面肌电信号的边缘端识别方法，其特征在于：通过hid设备采集表面肌电信号，所述hid设备包括电极、仪表放大器和芯片，

3.如权利要求2所述的基于表面肌电信号的边缘端识别方法，其特征在于：所述轻量化优化包括在tensorflow中定义神经网络模型，产生轻量级模型，所述优化包括知识蒸馏和量化，所述知识蒸馏包括将原模型内的参数通过蒸馏损失更新目标模型，所述原模型包括将softmax函数经过修改生成不同类别的概率分布向量，所述量化包括使用多位定点数的量化算法进行处理，所述目标模型为经过多次优化后的原模型。

4.如权利要求3所述的基于表面肌电信号的边缘端识别方法，其特征在于：所述目标模型包括利用蒸馏损失lresd(·)更新目标模型中的各个参数，具体计算公式为：

5.如权利要求4所述的基于表面肌电信号的边缘端识别方法，其特征在于：所述量化算法包括将多位定点数进行映射，具体映射计算公式为：

<...

【专利技术属性】
技术研发人员：沈澍，顾明辉，吴梦实，晋则柯，
申请(专利权)人：南京邮电大学，
类型：发明
国别省市：