【技术实现步骤摘要】
本专利技术涉及信号处理，尤其涉及一种基于肌电图数据的肌肉运动分析方法、装置、设备及存储介质。
技术介绍
1、肌电图数据作为反映肌肉活动的生物电信号，广泛应用于康复医疗、运动监控和人机交互等领域。然而，由于肌电信号特有的低幅值、高噪声以及非平稳性等特点，常规的时域分析方法难以全面、准确地反映肌肉的动态活动情况，导致信号分析的准确性和实时性受到限制。
2、目前，多采用频域分析提取肌电特征信息，或简单的时域分析提取简单时域特征(如均值、方差等)，难以在低幅度、高噪声的肌电信号中有效地提取复杂肌肉运动的相关信息，且由于在数据处理过程中缺乏自适应性和实时响应性，导致在动态情况下对肌肉运动状态分析的准确性较低。
技术实现思路
1、本申请实施例提供了一种基于肌电图数据的肌肉运动分析方法、装置、设备及存储介质，通过将信号能量、过零率和小波与特征融合进行分析，实现对肌肉运动状态的实时有效分析，提高动态情况下肌肉运动状态分析的准确性。
2、第一方面，本申请实施例提供一种基于肌电图数据的肌肉运动分析方法，包括：
3、使用自适应滤波器对原始肌电信号进行预处理，动态滤除噪声信号；
4、对滤除噪声信号的肌电信号使用滑动窗口进行分段，计算每个窗口内信号的能量以及检测每个窗口内信号的过零率；
5、对原始肌电信号进行小波阈值去噪，得到小波域特征；
6、将信号能量、过零率以及小波域特征进行融合，构成特征向量；
7、将特征向量输入至预先
8、第二方面，本申请实施例提供一种基于肌电图数据的肌肉运动分析装置，包括：
9、第一去噪模块，用于使用自适应滤波器对原始肌电信号进行预处理，动态滤除噪声信号；
10、处理模块，用于对滤除噪声信号的肌电信号使用滑动窗口进行分段，计算每个窗口内信号的能量以及检测每个窗口内信号的过零率；
11、第二去噪模块，用于对原始肌电信号进行小波阈值去噪，得到小波域特征；
12、构成模块，用于将信号能量、过零率以及小波域特征进行融合，构成特征向量；
13、分析模块，用于将特征向量输入至预先训练的分类模型进行分析，得到肌肉运动状态。
14、第三方面，本申请实施例提供一种电子设备，包括：
15、存储器和处理模组；
16、所述存储器用于存储计算机程序；
17、所述处理模组，用于执行所述计算机程序并在执行所述计算机程序时，实现如上第一方面的基于肌电图数据的肌肉运动分析方法的步骤。
18、第四方面，本申请实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序；
19、所述计算机程序被一个或多处理模组执行时，使得一个或多处理模组执行如上第一方面的基于肌电图数据的肌肉运动分析方法的步骤。
20、本申请实施例提供了基于肌电图数据的肌肉运动分析方法、装置、设备及存储介质，其中，基于肌电图数据的肌肉运动分析方法，包括：使用自适应滤波器对原始肌电信号进行预处理，动态滤除噪声信号；对滤除噪声信号的肌电信号使用滑动窗口进行分段，计算每个窗口内信号的能量以及检测每个窗口内信号的过零率；对原始肌电信号进行小波阈值去噪，得到小波域特征；将信号能量、过零率以及小波域特征进行融合，构成特征向量；将特征向量输入至预先训练的分类模型进行分析，得到肌肉运动状态。通过将信号能量、过零率和小波与特征融合进行分析，实现对肌肉运动状态的实时有效分析，提高动态情况下肌肉运动状态分析的准确性。
本文档来自技高网...【技术保护点】
1.一种基于肌电图数据的肌肉运动分析方法，其特征在于，包括：
2.根据权利要求1所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述计算每个窗口内信号的能量，包括：
3.根据权利要求1所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述检测每个窗口内信号的过零率，包括：
4.根据权利要求1所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述对所述原始肌电信号进行小波阈值去噪，得到小波域特征，包括：
5.根据权利要求4所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述基于小波变换将所述原始肌电信号分解为多个频段信号，对各频段信号基于预设小波系数阈值进行去噪，包括：
6.根据权利要求1所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述预先训练完成的分类模型，包括：随机森林模型。
7.根据权利要求6所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述随机森林模型的表达式，包括：
8.一种基于肌电图数据的肌肉运动分析装置，其特征在于，包括：
9.一种电子设备，其特征
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序；
...【技术特征摘要】
1.一种基于肌电图数据的肌肉运动分析方法，其特征在于，包括：
2.根据权利要求1所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述计算每个窗口内信号的能量，包括：
3.根据权利要求1所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述检测每个窗口内信号的过零率，包括：
4.根据权利要求1所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述对所述原始肌电信号进行小波阈值去噪，得到小波域特征，包括：
5.根据权利要求4所述的基于肌电图数据的肌肉运动分析方法，其特征在于，所述基于小波变换将所...
【专利技术属性】
技术研发人员：洪旭彬，洪梓晟，赵鹏飞，
申请(专利权)人：深圳爱倍力健康科技有限公司，
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。