【技术实现步骤摘要】
本说明书涉及生物信号处理，具体而言，涉及用于深度学习的肌电信号数据增强和二维化方法及系统。
技术介绍
1、用于机器假肢的现代人机交互技术正逐渐由机器被动接受指令向着主动理解人的行为意图的方式发展，使用人类自然产生的信号进行控制，让用户能将机器假肢认识为自身肢体的延伸。
2、表面肌电信号(semg)属于人体生理信号，可以用其振幅、频率和相位来描述。肌电信号测量的是肌肉收缩时产生的电流，其由神经系统控制产生的同时又取决于肌肉的解剖和生理特性，能够代表神经肌肉活动特征。表面肌电信号因蕴含丰富信息的特点，且采用成熟的无创采集技术，受到主流研究者青睐。
3、目前基于深度学习的肌电信号动作分类方法的主要思路是利用卷积神经网络或循环神经网络提取信号特征并进行分类，对于第一种方法需要将信号转换为图像样本用于训练和预测。用于构建肌电信号图像的方法主要有(1)直接将瞬时肌电信号作为图像样本使用(图像维度与采集设备的电极阵列的物理排布方式对应)；(2)使用时间窗口对肌电信号进行分段(图像维度为电极通道数×窗口长度)；(3)对肌电信号每...
【技术保护点】
1.一种用于深度学习的肌电信号数据增强和二维化方法，其特征在于，包括：
2.根据权利要求1所述的用于深度学习的肌电信号数据增强和二维化方法，其特征在于，所述基于获得的原始多通道肌电信号生成新多通道肌电信号，包括：
3.根据权利要求2所述的用于深度学习的肌电信号数据增强和二维化方法，其特征在于，所述对所述原始多通道肌电信号进行预处理，包括：
4.根据权利要求2所述的用于深度学习的肌电信号数据增强和二维化方法，其特征在于，所述对预处理后的所述原始多通道肌电信号进行幅值随机偏倾处理，经添加高斯白噪声后生成新多通道肌电信号，包括：
<...【技术特征摘要】
1.一种用于深度学习的肌电信号数据增强和二维化方法，其特征在于，包括：
2.根据权利要求1所述的用于深度学习的肌电信号数据增强和二维化方法，其特征在于，所述基于获得的原始多通道肌电信号生成新多通道肌电信号，包括：
3.根据权利要求2所述的用于深度学习的肌电信号数据增强和二维化方法，其特征在于，所述对所述原始多通道肌电信号进行预处理，包括：
4.根据权利要求2所述的用于深度学习的肌电信号数据增强和二维化方法，其特征在于，所述对预处理后的所述原始多通道肌电信号进行幅值随机偏倾处理，经添加高斯白噪声后生成新多通道肌电信号，包括：
5.根据权利要求1所述的用于深度学习的肌电信号数据增强和二维化方法，其特征在于，所述将所述原始多通道肌电信号和所述新多通道肌电信号以重叠滑动窗口的方式分段为多个信号样本段，包括：
6.根据权利要求1所述的用于深度学习的肌...
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。