一种识别颈部转动的方法技术

本发明专利技术公开了一种识别颈部转动的方法，包括：采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置；将肌电信号进行预处理之后，将模拟信号利用模电转换装置转变成电信号；传输到芯片中计算肌电数据的特征，利用线性判别分析LAD方法将获得的肌电数据进行处理；训练LDA分类器，利用LDA分类器实现动作的正确分类；实现对电视机换台，音量大小调整的操作。实施本发明专利技术，可以实现利用颈部转到来实现与电视机的交互。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了，包括：采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置；将肌电信号进行预处理之后，将模拟信号利用模电转换装置转变成电信号；传输到芯片中计算肌电数据的特征，利用线性判别分析LAD方法将获得的肌电数据进行处理；训练LDA分类器，利用LDA分类器实现动作的正确分类；实现对电视机换台，音量大小调整的操作。实施本专利技术，可以实现利用颈部转到来实现与电视机的交互。【专利说明】
本专利技术涉及人机交互
，具体涉及。
技术介绍
脑机接口技术在从20世纪70年代开始发展，至今已经取得了一些显著的进展，不管是植入人体的人工耳蜗产品，还是视觉假体，还是杜克大学的叶猴获取食物的研究，脑机接口的发展都显示出了他的魅力，现在我们正在以全新的视角来了解脑机接口的魅力。模式识别是指对表征事物或现象的各种形式的信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程。它是信息科学和人工智能的重要组成部分，主要应用领域是图像分析与处理、语音识别、声音分类、通信、计算机辅助诊断、数据挖掘等学科。分类方法主要有贝叶斯分类、贝叶斯网络、线性和非线性分类器设计、动态编程和用于顺序数据的隐马尔可夫模型、支持向量机和聚类算法等。将脑机接口技术和模式识别分类技术结合起来，于是就出现了李光林教授他们的研究成果一个VR系统。在此研究成果中，通过采集人体的肌电信号，然后经过预处理，特征提取，再辅以模式识别算法，就出现了良好的分类效果，分类的结果是可以识别人体的动作，这些研究可以用于残疾人的日常生活活动。现在肌电电极的逐渐发展，使得人们采集肌电数据稳定而且方便，处理肌电数据的方法在不断更新，现在可以采用肌电图，散点图等来观察肌电数据，同时肌电信号的特征提取方法取得了很大进展，人们可以从肌电数据中提取出37个特征。加之肌电信号模式识别技术的不断发展，使人们在动作模式识别领域取得了长足的发展。线性判别式分析(LinearDiscriminant Analysis, LDA),也叫做Fisher 线性判别(Fisher Linear Discriminant, FLD),是模式识别的经典算法，它是在1996年由Belhumeur引入模式识别和人工智能领域的。性鉴别分析的基本思想是将高维的模式样本投影到最佳鉴别矢量空间，以达到抽取分类信息和压缩特征空间维数的效果，投影后保证模式样本在新的子空间有最大的类间距离和最小的类内距离，即模式在该空间中有最佳的可分离性。现在家庭中用于控制电视机的遥控器越来越不能满足人民的日常需要，需要定期更换电池，需要一直将遥控器放在手边，这样的产品使人们在用的时候觉得遥控器是一个负担，并且遥控器容易坏掉，维修或者更换都不是人们想要的结果。
技术实现思路
本专利技术提供了，运用信号处理的方法实现肌电信号的特征提取，运用模式识别的技术实现动作的正确分类。相应的，本专利技术实施例提供了，包括:采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置； 将肌电信号进行预处理之后，将模拟信号利用模电转换装置转变成电信号；传输到芯片中计算肌电数据的特征，利用线性判别分析LAD方法将获得的肌电数据进行处理；训练LDA分类器，利用LDA分类器实现动作的正确分类；实现对电视机换台，音量大小调整的操作。所述采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置包括:采用表面肌电电极，用于探测和测量肌肉收缩时所生成的低位电信号。所述将肌电信号进行预处理之后，将模拟信号利用模电转换装置转变成电信号包括:肌电信号的特征分为时域特征、频域特征、时频特征、当属时域特征。本专利技术具有如下有益效果，现在人与电视机利用遥控器控制电视节目的变换，音量的调整，这种枯燥的人机交互方式已经不能满足人们的生活，利用本专利技术，可以实现利用颈部转到来实现与电视机的交互，可以定义如下:左转为减小音量，右转为增大音量，仰视为增大频道序号，俯视为减小频道序号，直视为选择。通过上面的设定人们在观看电视机时非常方面的与电视机进行互动，再也不用每天抱着遥控器了，减小了制作遥控器的成本，同时颈部转动可以缓解由于工作劳累所致的颈椎疼痛。启动保健治疗的作用。【专利附图】【附图说明】为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。图1是本专利技术实施例中的识别颈部转动的方法流程图；图2是本专利技术实施例中的分类器训练流程图。【具体实施方式】下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。脖子的转动分为五个动作，左转，右转，仰视，俯视，直视(脖子正常直视前方的动作)，如何运用信号处理的方法实现肌电信号的特征提取，运用模式识别的技术实现动作的正确分类，是本专利技术所要解决的主要问题。在本专利技术中主要实现颈部五个动作的准确识别，左转，右转，仰视，俯视，直视，为了实现这五个动作的准确识别，设计了下图的完整技术流程图(图1)，首先采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置，将肌电信号进行预处理之后，再将模拟信号利用模电转换装置转变成电信号，传输到特殊芯片中，此时计算肌电数据的特征，同时利用线性判别分析(LDA)方法将获得的肌电数据进行处理，训练LDA分类器，从而利用LDA分类器实现动作的正确分类。之后就可以将这项技术运用到人机交互中，实现对电视机换台，音量大小调整的操作。(I)肌电信号采集与预处理在本专利技术中，采用DELSYS公司的表面肌电电极，主要用于探测和测量肌肉收缩时所生成的低位电信号。这种信号被称为肌电信号，俗称EMG信号。将DELSYS表面肌电电极黏贴在人体脖子表面，即可测得运动时所产生的表面肌电，肌电数据的采样频率为lKhz，之后将肌电数据经过预处理[幻，既可以得到我们需要的有效数据了。在预处理阶段，考虑到肌电数据在采集的过程中，可能受到电磁场的影响而产生工频干扰，因此我们需要通过陷波滤波器去掉工频干扰，之后由于肌电信号比较微弱，因此需要对肌电数据进行放大处理，一般放大倍数为1000倍，最后，人体的肌电信号频率一般集中在20-500HZ，所以需要进行带通滤波处理，保留频率为20-500hz的肌电信号，这就是我们需要的原始数据了。(2)特征提取本专利技术的目的在于分类颈部的五个动作，而在模式识别中，分类成功率的大小只要在与特征的提取与选择，因此选择那些特征动作，是我们重要的选择。肌电信号的特征分为时域特征、频域特征、时频特征，而经常使用的比较行之有效的当属时域特征，因此我们在这个专利技术中也选择时域特征。(3)分类器训练在模式识别中分类器分为线性分类器、非线性分类器、贝叶斯分类器、支持向量机分类器(SVM)和机器学习等[幻。在专利技术中考虑到计算量大小，以及计算的实时性，我们选择线性分类器中的线性判别分析(LDA)。在分类器训练本文档来自技高网...

【技术保护点】
一种识别颈部转动的方法，其特征在于，包括：采用无线电极将人体脖子处表皮肌电信号采集并传送到电信号接收装置；将肌电信号进行预处理之后，将模拟信号利用模电转换装置转变成电信号；传输到芯片中计算肌电数据的特征，利用线性判别分析LAD方法将获得的肌电数据进行处理；训练LDA分类器，利用LDA分类器实现动作的正确分类；实现对电视机换台，音量大小调整的操作。

【技术特征摘要】

【专利技术属性】
技术研发人员：翟振明，姚传存，罗笑南，
申请(专利权)人：中山大学，
类型：发明
国别省市：