CN109800733A - 数据处理方法及装置、电子设备 - Google Patents

数据处理方法及装置、电子设备 Download PDF

Info

Publication number
CN109800733A
CN109800733A CN201910092534.4A CN201910092534A CN109800733A CN 109800733 A CN109800733 A CN 109800733A CN 201910092534 A CN201910092534 A CN 201910092534A CN 109800733 A CN109800733 A CN 109800733A
Authority
CN
China
Prior art keywords
electromyography signal
test data
signal test
presently described
data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910092534.4A
Other languages
English (en)
Other versions
CN109800733B (zh
Inventor
张旭
喻斌
陈勋
吴乐
陈香
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology of China USTC
Original Assignee
University of Science and Technology of China USTC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology of China USTC filed Critical University of Science and Technology of China USTC
Priority to CN201910092534.4A priority Critical patent/CN109800733B/zh
Publication of CN109800733A publication Critical patent/CN109800733A/zh
Application granted granted Critical
Publication of CN109800733B publication Critical patent/CN109800733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种数据处理方法,包括:依次将各个肌电信号测试数据输入至预先构建的目标分类器;将每个肌电信号测试数据输入至目标分类器时,获取与当前肌电信号测试数据对应的第一测试结果,并判断当前肌电信号测试数据是否为首个肌电信号测试数据;若是,则生成投票队列,并确定肌电信号测试数据对应的第二测试结果;若否,则将当前肌电信号测试数据对应的差异值与预设的阈值进行匹配得到第二测试结果;依据第一测试结果及第二测试结果更新投票队列,并依据更新后的投票队列对当前肌电信号测试数据进行投票以得到识别结果,提高了肌电信号测试数据的识别结果的准确性。

Description

数据处理方法及装置、电子设备
技术领域
本发明涉及肌电信号识别领域,特别涉及一种数据处理方法及装置、电子设备。
背景技术
近些年来,随着信息科技的发展,机器学习也有着显著的进步,例如基于深度学习的表面肌电信号识别领域,表面肌电信号是从肌肉表面通过电极引导记录下来的神经肌肉***活动时的生物电信号,能在一定程度上反应神经肌肉的活动状态,通过深度学习能识别不同的表面肌电信号对应的肌肉活动状态,对康复医学、运动医学及生物机械等领域产生巨大的助力。
经本发明人员研究发现,现有的基于深度学习识别表面肌电信号的方法中,通常是构建分类模型,将采集得到的肌电信号输入分类模型,得到肌电信号的识别结果,然而,由于肌电信号具有不稳定性和随机性,因此,通过分类器得到的识别结果往往会出现较大的误差,因此,如何解决肌电信号的不稳性和随机性所造成的识别结果不准确的问题成为本领域技术人员迫切解决的问题。
发明内容
本发明所要解决的技术问题是提供一种数据处理方法,将预先获取的肌电信号测试数据输入分类器获得第一测试结果,并确定所述肌电信号测试数据对应的第二测试结果,依据第一测试结果及第二测试结果更新投票队列,并依据更新后的投票队列得到识别结果,提高所述肌电信号测试数据的识别结果的准确性。
本发明还提供了一种数据处理装置,用以保证上述方法在实际中的实现及应用。
一种数据处理方法,包括:
获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;
将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;所述当前所述肌电信号测试数据为当前输入至所述目标分类器的肌电信号测试数据;
若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果,其中,所述投票队列用于存放各个所述肌电信号测试数据对应的第一测试结果;
若当前所述肌电信号测试数据不是首个肌电信号测试数据,则将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,其中,所述差异值表征当前所述肌电信号测试数据与前一个所述肌电信号测试数据的差异程度;
依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
上述的方法,可选的,所述肌电信号测试数据的存储过程,包括:
采集用户执行动作生成的肌电信号;
采用滑动窗技术,依据所述肌电信号生成的时间顺序对所述肌电信号进行划分,得到多个肌电信号测试数据,并对划分得到的各个所述肌电信号测试数据依次进行存储。
上述的方法,可选的,存储所述肌电信号测试数据之前,还包括:
分析待存储的肌电信号测试数据,获得与所述待存储的肌电信号测试数据对应的时域特征;
依据所述时域特征构建与所述肌电信号测试数据对应二维肌电特征图像。
上述的方法,可选的,所述将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,包括:
依据当前所述肌电信号测试数据对应的二维肌电特征图像的表征及所述当前所述肌电信号测试数据的前一个肌电信号测试数据对应的二维肌电特征图像的表征,确定当前所述肌电信号测试数据对应的差异值;
将所述差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果。
上述的方法,可选的,所述若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,确定所述肌电信号测试数据对应的第二测试结果,包括:
若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列;
确定当前所述投票队列的状态,依据所述当前所述投票队列的状态确定当前所述肌电信号测试数据对应的第二测试结果为非动作转换点。
上述的方法,可选的,所述依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,包括:
当所述第二测试结果为非动作转换点时,将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
上述的方法,可选的,所述将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到所述第二测试结果,包括:
若所述差异值小于预设的第一阈值,则确定当前所述肌电信号测试数据对应的第二测试结果为动作转换点;
若所述差异值大于预设的第二阈值,则确定当前所述肌电信号测试数据对应的第二测试结果为非动作转换点;
若所述差异值大于等于预设的第一阈值且小于等于预设的第二阈值,则依据所述投票队列得出当前所述肌电信号测数据的投票结果;
若所述投票结果与当前所述肌电信号测试数据对应的第一测试结果一致,则确定当前所述肌电信号测试数据的第二测试结果为非动作转换点;
若所述投票结果与当前所述肌电信号测试数据对应的第一测试结果不一致,则确定当前所述肌电信号测试数据的第二测试结果为动作转换点。
上述的方法,可选的,所述依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,包括:
当当前所述肌电信号测试数据对应的第二测试结果为非动作转换点时,将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新;
当当前所述肌电信号测试数据对应的所述第二测试结果为动作转换点时,将所述投票队列的队列状态设置为空,并将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
一种数据处理装置,包括:
获取单元,用于获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;
判断单元,用于将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;所述当前所述肌电信号测试数据为当前输入至所述目标分类器的肌电信号测试数据;
第一确定单元,用于当当前所述肌电信号测试数据是首个肌电信号测试数据时,生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果,其中,所述投票队列用于存放各个所述肌电信号测试数据对应的第一测试结果;
第二确定单元,用于当当前所述肌电信号测试数据不是首个肌电信号测试数据时,将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,其中,所述差异值表征当前所述肌电信号测试数据与前一个所述肌电信号测试数据的差异程度;
识别单元,用于依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行上述的数据处理方法。
与现有技术相比,本发明包括以下优点:
本发明提供了一种数据处理方法,包括:获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果;若当前所述肌电信号测试数据不是首个肌电信号测试数据,则将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到所述第二测试结果;依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果,提高了所述肌电信号测试数据的识别结果的准确性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的一种数据处理方法的方法流程图;
图2为本发明提供的一种数据处理方法的一示例图;
图3为本发明提供的一种数据处理装置的结构示意图;
图4为本发明提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明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发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明可用于众多通用或专用的计算装置环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器装置、包括以上任何装置或设备的分布式计算环境等等。
本发明实施例提供了一种数据处理方法,该方法可以应用在多种***平台,其执行主体可以为计算机终端或各种移动设备的处理器,所述方法的方法流程图如图1所示,具体包括:
S101:获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器。
本发明实施例提供的方法中,所述目标分类器为经过监督学习、半监督学习或无监督学习的分类器。
本发明实施例提供的方法中,所述划分顺序可以为时间顺序或排列顺序。
本发明实施例提供的方法中,所述肌电信号测试数据可以为用户执行某一动作对应的多个肌电信号测试数据中的任意一个肌电信号测试数据。
S102:将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;所述当前所述肌电信号测试数据为当前输入至所述目标分类器的肌电信号测试数据。
本发明实施例提供的方法中,通过将肌电信号测试数据输入至所述目标分类器,可获得所述肌电信号测试数据的分类结果,即通过所述目标分类器初步识别肌电信号测试数据对应的动作类型,所述分类结果为所述第一测试结果。
S103:若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果,其中,所述投票队列用于存放各个所述肌电信号测试数据对应的第一测试结果。
本发明实施例提供的方法中,所述投票队列可用于存放当前所述肌电信号测试数据对应的第一测试结果或历史第一测试结果,所述投票队列的初始状态为空,即不存放任何数据;所述历史第一测试结果为在当前肌电信号测试数据之前的肌电信号测试数据的第一测试结果。
S104:若当前所述肌电信号测试数据不是首个肌电信号测试数据,则将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果。
本发明实施例提供的方法中,所述差异值表征当前所述肌电信号测试数据与所述当前所述肌电信号测试数据的前一个所述肌电信号测试数据的差异程度。
S105:依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
本发明实施例提供的方法中,将所述投票队列更新后,依据所述投票队列中存放的一个或多个肌电信号测试数据分别对应的第一测试结果进行投票,依据投票结果得到识别结果。
本发明实施例提供的方法中,所述识别结果为识别出所述肌电信号测试数据对应的动作。
本发明实施例提供的数据处理方法中,通过获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果;若当前所述肌电信号测试数据不是首个肌电信号测试数据,则将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果;依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果,提高了所述肌电信号测试数据的识别结果的准确性。
本发明实施例提供的数据处理方法中,所述肌电信号测试数据的存储过程,可以包括:
采集用户执行动作生成的肌电信号;
采用滑动窗技术,依据所述肌电信号生成的时间顺序对所述肌电信号进行划分,得到多个肌电信号测试数据,并对划分得到的各个所述肌电信号测试数据依次进行存储。
本发明实施例提供的方法中,通过肌电信号采集设备采集用户执行至少一个动作生成的肌电信号,用户可以多次重复执行同一个动作,每次执行相同的动作时可采用不同的力度,需要说明的是,预先设置好所述肌电信号采集设备的行通道数、列通道数及相邻通道间距。
本发明实施例提供的方法中,所述动作可以为人或动物的肢体动作;可选的,所述动作为人体的手势动作。
本发明实例体提供的方法,可选的,所述动作为人随机执行的至少一个动作,一个动作对应一个肌电信号。
本发明实施例提供的方法中,采用滑动窗技术将采集得到的与所述用户执行单个预设动作从开始至结束对应的连续的肌电信号进行划分;通过预先设置滑动窗的窗长及滑动增量,按所述连续的肌电信号生成的时间先后顺序划分所述连续的肌电信号得到多个肌电信号测试数据。
本发明实施例提供的数据处理方法中,可选的,存储所述肌电信号测试数据之前,还包括:
分析待存储的肌电信号测试数据,获得与所述待存储的肌电信号测试数据对应的时域特征;
依据所述时域特征构建与所述肌电信号测试数据对应二维肌电特征图像。
本发明实施例提供的方法中,将所述肌电信号测试数据按划分的顺序依次存储至预设的测试数据存储区域中,在存储所述肌电信号测试数据之前或在存储所述肌电信号测试数据之后,分析所述肌电信号测试数据得到时域特征;依据所述时域特征构建与所述肌电信号测试数据对应二维肌电特征图像。
本发明实施例提供的方法中,通过分析单个所述肌电信号测试数据得到时域特征;所述时域特征包括多个与所述肌电信号测试数据的特征,如平均绝对值MAV、斜率符号变化率SSC、过零率ZC和波形长度WL等。
本发明实施例提供的方法中,按采集设备通道排列顺序将单个所述肌电信号测试数据的时域特征整合成二维肌电特征图像。
所述将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,包括:
依据当前所述肌电信号测试数据对应的二维肌电特征图像的表征及所述当前所述肌电信号测试数据的前一个肌电信号测试数据对应的二维肌电特征图像的表征,确定当前所述肌电信号测试数据对应的差异值;
将所述差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果。
本发明实施例提供的数据处理方法,若选取任一动作的肌电信号测试数据用于识别,则所述差异值的计算方法具体如下:
K(t,x)=psnr3(S(t,x-1),S(t,x))
where(1≤t≤M,2≤x≤N(t))
其中,K(t,x)表示第t个预设动作的第x个肌电信号测试数据的差异值,S(t,x)表示第t个预设动作的第x个肌电信号测试数据的二维肌电特征图像,psnr是二维肌电特征图像间的峰值信噪比,N(t)表示第t个预设动作的肌电信号测试数据的数目,M为预设动作的总数目。
本发明实施例提供的方法中,可选的,若同时选取任意动作对应的任意多个测试数据用于识别,则所述差异值的计算方法具体如下:
K(x)=psnr3(S(x-1),S(x))
where(1≤x≤N)
其中,K(x)表示第x个肌电信号测试数据的差异值,S(x)表示第x个肌电信号测试数据的二维肌电特征图像,psnr是二维肌电特征图像间的峰值信噪比,N表示肌电信号测试数据的数目。
本发明实施例提供的差异值计算方法,有着较强的鲁棒性,计算过程简单,时延较小,适用于实时肌电控制,且在无静息的动作连续变化情况下同样适用。
本发明实施例提供的数据处理方法中,所述目标分类器的构建过程,可以包括:
采集用户执行预设动作生成的肌电信号;采用滑动窗技术,依据所述肌电信号生成的时间顺序对所述肌电信号进行划分,得到多个肌电信号训练数据,并对划分得到的各个所述肌电信号训练数据依次进行存储;将所述肌电信号测试数据按划分的顺序存储至预设的训练数据存储区域中;分析所述肌电信号训练数据得到训练数据时域特征;依据所述训练数据时域特征确定初始分类器;依据所述肌电信号训练数据训练所述初始分类器得到目标分类器。
本发明实施提供的方法中,所述肌电信号的训练数据时域特征包含的平均绝对值MAV、斜率符号变化率SSC、过零率ZC和波形长度WL等特征。
本发明实施例提供的方法中,依据所述肌电信号训练数据的训练数据时域特征包含的平均绝对值MAV、斜率符号变化率SSC、过零率ZC和波形长度WL等特征确定初始分类器的类型;所述初始分类器可以为逻辑回归分类器、SVM分类器、K-NN邻近分类器和贝叶斯分类器等一种或多种分类器。
本发明实施例提供的方法中,依据所述肌电信号训练数据训练所述初始分类器,使其能将输入的肌电信号数据进行分类的正确率到达预设标准,将达到标准的初始分类器确定为目标分类器。
本发明实施例提供的数据处理方法中,所述若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定所述肌电信号测试数据对应的第二测试结果,包括:
若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列;
确定当前所述投票队列的状态,依据所述当前所述投票队列的状态确定当前所述肌电信号测试数据对应的第二测试结果为非动作转换点。
本发明实施例提供的方法中,若所述当前所述投票队列的状态为空,则确定所述肌电信号测试数据对应的第二测试结果为非动作转换点。
本发明实施例提供的数据方法中,若当前所述肌电信号测试数据是首个肌电信号测试数据,则所述依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,包括:
当所述第二测试结果为非动作转换点时,将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
本发明实施例提供的数据处理方法中,所述预设的阈值包括预设的第一阈值和预设的第二阈值,所述将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到所述第二测试结果,可以包括:
若所述差异值小于预设的第一阈值,则确定当前所述肌电信号测试数据对应的第二测试结果为动作转换点;
若所述差异值大于预设的第二阈值,则确定当前所述肌电信号测试数据对应的第二测试结果为非动作转换点;
若所述差异值大于等于预设的第一阈值且小于等于预设的第二阈值,则依据所述投票队列得出所述肌电信号测数据的投票结果;
若所述投票结果与当前所述肌电信号测试数据对应的第一测试结果一致,则确定当前所述肌电信号测试数据的第二测试结果为非动作转换点;
若所述投票结果与当前所述肌电信号测试数据对应的第一测试结果不一致,则确定当前所述肌电信号测试数据的第二测试结果为动作转换点。
若所述投票队列的状态为空,则确定当前所述肌电信号测试数据的第二测试结果为非动作转换点。
本发明实施例提供的方法中,所述依据所述投票队列得出所述肌电信号测数据的投票结果,可以包括:
若所述投票队列存放的与当前所述肌电信号测试数据对应的第一测试结果一致的历史第一测试结果的数量,大于等于与当前所述肌电信号测试数据对应的第一测试结果不一致的历史第一测试结果的数量,则确定所述投票结果与当前所述肌电信号测试数据对应的第一测试结果一致;
若所述投票队列存放的与当前所述肌电信号测试数据对应的第一测试结果一致的历史第一测试结果的数据量,小于与当前所述肌电信号测试数据对应的第一测试结果不一致的历史第一测试结果的数量,则确定所述投票结果与当前所述肌电信号测试数据对应的第一测试结果不一致。
本发明实施例提供的数据处理方法中,所述依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,可以包括:
当当前所述肌电信号测试数据对应的第二测试结果为非动作转换点时,将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新;
当当前所述肌电信号测试数据对应的所述第二测试结果为动作转换点时,将所述投票队列的队列状态设置为空,并将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
本发明实施提供的数据处理方法中,可以应用在人或动物的肢体动作产生的表面肌电信号的识别,下面以识别人的手势动作为例进行说明,具体如下,可以包括:
预先选取多种手势动作,所述手势动作包括大拇指伸展,食指伸展,中指伸展,小指伸展,大拇指和食指共同伸展,食指和中指共同伸展,中指和无名指共同伸展,无名指和小指共同伸展,大拇指和小指共同伸展,大拇指、食指和中指共同伸展,中指、无名指和小拇指共同伸展,大拇指、食指、中指和无名指共同伸展,食指、中指、无名指和小指共同伸展,大拇指、食指、中指、无名指和小指共同伸展共14种动作。
将肌电信号采集设备的电极阵列贴放在动作肌肉激活区域的位置,所述肌电信号采集设备选取行通道数为8,列通道数为6,相邻通道间距为14mm的柔性高密度电极阵列。
用户逐一执行上述14种预设动作,在执行各个所述动作过程中,采集用户执行各个所述动作产生的肌电信号,其中,选取两种不同的力度范围重复执行一种所述动作,第一力度为70%~80%最大随意收缩力,第二力度为30%~40%最大随意收缩力,分别使用第一力度及第二力度执行各个所述动作4次,每次保持力度不变的等长收缩6秒,随后保持4秒静息,不同动作间隙给予受试者充分的休息时间。
利用滑动窗技术划分通过采集用户执行各个预设动作得到的连续肌电信号,每次划分用户通过一种力度执行一种预设动作一次所得到的连续肌电信号,其中,设置滑动窗的窗长为128毫秒,滑动增量设置为64毫秒;通过滑动窗技术将连续肌电信号流分割为一定数量的分析窗,得到用户通过一种力度执行一种预设动作对应的多个样本数据;
对每一个所述样本数据内每一通道的肌电信号进行多特征提取以构建为二维肌电特征图像。
提取的多特征包括时域特征,所述时域特征包含平均绝对值MAV,斜率符号变化率SSC,过零率ZC和波形长度WL,随后将每一个样本提取的特征按通道排列顺序整合成二维肌电特征图像,图像长为8,与行通道数成正比,图像宽为6,与列通道数成正比,色彩通道维度与特征数目相同。
可选的,依据第一力度及第二力度将样本数据划分为肌电信号训练数据和肌电信号测试数据,若将通过第一力度执行所述动作对应的样本数据确定为肌电信号训练数据,则将通过第二力度执行所述动作对应的样本数据确定为肌电信号测试数据;若将通过第二力度执行所述动作对应的样本数据确定为肌电信号训练数据,则将通过第一力度执行所述动作对应的样本数据确定为肌电信号测试数据,将所述肌电信号训练数据与所述肌电信号测试数据进行存储。
依据样本数据的时域特征确定分类器,依据肌电信号训练数据训练所述分类器,将符合预设要求的分类器确定为目标分类器,其中,所述符合预设要求的分类器可以是满足预设识别率的分类器,也可以是满足预设训练量的分类器。
依据所述肌电信号训练数据设置第一阈值及第二阈值,其中,第一阈值为TH1,第二阈值为TH1+TH2;可选的,TH1的值为-1E5,TH2的值为0.35E5。
获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器。将所述肌电信号测试数据输入至所述目标分类器的过程,如图2所示,具体包括:
S201:将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果。
执行S201的过程中,所述第一测试结果为所述分类器依据所述肌电信号测试数据得到的初始识别结果。
S202:判断当前所述肌电信号测试数据是否为首个肌电信号测试数据,若是,执行S203,若否,执行S204。
S203:生成投票队列并确定所述肌电信号测试数据对应的第二测试结果。
S204:将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到所述第二测试结果。
S205:判断所述第二测试结果是否为动作转换点,若否,则执行S206,若是,则执行S207。
S206:将所述第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
S207:将所述投票队列的队列状态设置为空,并将所述第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
S208:依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
基于上述本发明实施例提供的方法,将采集用户执行食指伸展得到的连续肌电信号,采用滑动窗技术划分为5个肌电信号测试数据并依次输入至目标分类器,假设第1个肌电信号测试数据与第2个肌电信号测试数据的识别结果都为“食指伸展”,且第一测试结果都为“食指伸展”,即投票队列中存在两个表征“食指伸展”第一测试结果,若将第3个肌电信号测试数据输入至目标分类器时,得到的第一测试结果为“中指伸展”,而第3个肌电信号测试数据的差异值大于第一阈值,即第3个肌电信号测试数据的第二测试结果为非动作转换点,进而将第3个肌电信号测试数据的第一测试结果存放至投票队列中以实现更新投票队列,更新后的投票队列中存放三个第一测试结果,两个表征“食指伸展”,一个表征“中指伸展”;将更新后的投票队列对第3个肌电信号测试数据进行投票,由于更新后的投票队列中表征“食指伸展”的第一测试结果数量大于表征“中指伸展”的第一测试结果,故最终得到第3个肌电信号测试数据的识别结果为“食指伸展”。
若第3个肌电信号测试数据的第一测试结果为“食指伸展”,其差异值大于等于第一阈值且小于等于第二阈值;当前投票队列中存在两个表征“食指伸展”历史第一测试结果,故投票结果与第3个肌电信号测试数据的第一测试结果一致,均为“食指伸展”,因此判定第3个肌电信号测试数据为非动作转换点,将第3个肌电信号测试数据的第一测试结果存放至投票队列中以实现投票队列的更新,并依据更新后的投票队列对第3个肌电信号测试数据进行投票,得到第3个肌电信号测试数据的识别结果为“食指伸展”。
本发明实施例提供的方法中,通过投票队列投票以确定识别结果过程中,若所述投票队列中存放的表征“食指伸展”的历史第一测试结果与表征“中指伸展”的历史第一测试结果相同,则依据历史识别结果的准确率确定投票结果或依据当前肌电信号测试数据的第一测试结果确定投票结果。
本发明实施例提供的方法中,可选的,在依据投票队列投票以确定肌电信号测试数据的第二测试结果的过程中,若所述投票队列中存放的表征“食指伸展”的历史第一测试结果与表征“中指伸展”的历史第一测试结果相同,则依据当前肌电信号测试数据的第一测试结果确定是为动作转换点或非动作转换点,若当前肌电信号测试数据的第一测试结果与首个肌电信号测试数据的第一测试结果相同,则当前肌电信号测试数据的第二测试结果为非动作转换点,若当前肌电信号测试数据与首个肌电信号测试数据的第一测试结果不相同,则当前肌电信号测试数据的第二测试结果为动作转换点。
本发明实施例提供的数据处理方法,通过判定第二测试结果是否为动作转换点,确定当前肌电信号测试数据在采集过程中动作是否发生变化,在此基础上,判断当前肌电信号测试数据与前一个肌电信号测试数据是否对应同一个动作,本发明实施例将相邻两个动作转换点之间的所有连续肌电信号测试数据都认为是同一动作类别,每测试一个肌电信号测试数据,都将所述肌电信号测试数据的识别结果与上一个动作转换点到当前所述肌电信号测试数据之间的所有肌电信号测试数据分别对应的第一测试结果进行多数投票,得到当前肌电信号测试数据最终识别结果,具有强鲁棒性。
上述各个具体的实现方式,及各个实现方式的衍生过程,均在本发明保护范围内。
与图1所述的方法相对应,本发明实施例还提供了一种数据处理装置,用于对图1中方法的具体实现,本发明实施例提供的数据处理装置可以应用计算机终端或各种移动设备中,其结构示意图如图3所示,具体包括:
获取单元301,用于获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;
判断单元302,用于将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;所述当前所述肌电信号测试数据为当前输入至所述目标分类器的肌电信号测试数据;
第一确定单元303,用于当当前所述肌电信号测试数据是首个肌电信号测试数据时,生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果,其中,所述投票队列用于存放各个所述肌电信号测试数据对应的第一测试结果;
第二确定单元304,用于当当前所述肌电信号测试数据不是首个肌电信号测试数据时,将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,其中,所述差异值表征当前所述肌电信号测试数据与前一个所述肌电信号测试数据的差异程度;
识别单元305,用于依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
本发明实施例提供的数据处理装置中,处理器通过获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定所述肌电信号测试数据对应的第二测试结果;若当前所述肌电信号测试数据不是首个肌电信号测试数据,则将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果;依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果,提高了所述肌电信号测试数据的识别结果的准确性。
本发明实施例提供的数据处理装置中,所述肌电信号测试数据的存储之前,所述获取单元,可以包括:
第一采集子单元,用于采集用户执行动作生成的肌电信号;
第一存储子单元,采用滑动窗技术,依据所述肌电信号生成的时间顺序对所述肌电信号进行划分,得到多个肌电信号测试数据,并对划分得到的各个所述肌电信号测试数据依次进行存储。
本发明实施例提供的数据处理装置中,存储所述肌电信号测试数据之前,所述获取单元,还可以包括:
第一分析子单元,用于分析待存储的肌电信号测试数据,获得与所述待存储肌电信号测试数据对应的时域特征;
构建子单元,依据所述时域特征构建与所述肌电信号测试数据对应二维肌电特征图像。
本发明实施例提供的数据处理装置中,所述将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果过程中,所述第二确定单元,可以包括:
第一确定子单元,用于依据当前所述肌电信号测试数据对应的二维肌电特征图像的表征及所述当前所述肌电信号测试数据的前一个肌电信号测试数据对应的二维肌电特征图像的表征,确定当前所述肌电信号测试数据对应的差异值;
第一匹配子单元,用于将所述差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果。
本发明实施例提供的数据处理装置中,所述若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,确定所述肌电信号测试数据对应的第二测试结果的第一确定单元,包括:
生成子单元,用于当当前所述肌电信号测试数据是首个肌电信号测试数据时,生成投票队列;
第三确定子单元,用于确定当前所述投票队列的状态,依据所述当前所述投票队列的状态确定当前所述肌电信号测试数据对应的第二测试结果为非动作转换点。
本发明实施例提供的数据处理装置中,所述依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列的识别单元,包括:
第一更新子单元,用于当所述第二测试结果为非动作转换点时,将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
本发明实施例提供的数据处理装置中,所述将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到所述第二测试结果的第二确定单元,包括:
第四确定子单元:用于当所述差异值小于预设的第一阈值时,确定当前所述肌电信号测试数据对应的第二测试结果为动作转换点;
第五确定子单元,用于当所述差异值大于预设的第二阈值时,确定当前所述肌电信号测试数据对应的第二测试结果为非动作转换点;
第六确定子单元,用于当所述差异值大于等于预设的第一阈值且小于等于预设的第二阈值时,依据所述投票队列得出当前所述肌电信号测数据的投票结果;
第七确定子单元,用于当所述投票结果与当前所述肌电信号测试数据对应的第一测试结果一致时,确定当前所述肌电信号测试数据的第二测试结果为非动作转换点;
第八确定子单元,用于当所述投票结果与当前所述肌电信号测试数据对应的第一测试结果不一致,则确定当前所述肌电信号测试数据的第二测试结果为动作转换点。
本发明实施例提供的数据处理装置中,所述依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列的识别单元,包括:
第二更新子单元,用于当当前所述肌电信号测试数据对应的第二测试结果为非动作转换点时,将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新;
第三更新子单元,用于当当前所述肌电信号测试数据对应的所述第二测试结果为动作转换点时,将所述投票队列的队列状态设置为空,并将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
本发明实施例还提供了一种存储介质,所述存储介质包括存储的指令,其中,在所述指令运行时控制所述存储介质所在的设备执行上述数据处理方法。
本发明实施例还提供了一种电子设备,其结构示意图如图4所示,具体包括存储器401,以及一个或者一个以上的指令402,其中一个或者一个以上指令402存储于存储器401中,且经配置以由一个或者一个以上处理器403执行所述一个或者一个以上指令402包含用于进行以下操作的指令:
获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;
将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;所述当前所述肌电信号测试数据为当前输入至所述目标分类器的肌电信号测试数据;
若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果,其中,所述投票队列用于存放各个所述肌电信号测试数据对应的第一测试结果;
若当前所述肌电信号测试数据不是首个肌电信号测试数据,则将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,其中,所述差异值表征当前所述肌电信号测试数据与前一个所述肌电信号测试数据的差异程度;
依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种数据处理方法及装置进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种数据处理方法,其特征在于,包括:
获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;
将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;所述当前所述肌电信号测试数据为当前输入至所述目标分类器的肌电信号测试数据;
若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果,其中,所述投票队列用于存放各个所述肌电信号测试数据对应的第一测试结果;
若当前所述肌电信号测试数据不是首个肌电信号测试数据,则将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,其中,所述差异值表征当前所述肌电信号测试数据与前一个所述肌电信号测试数据的差异程度;
依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
2.根据权利要求1所述的方法,其特征在于,所述肌电信号测试数据的存储过程,包括:
采集用户执行动作生成的肌电信号;
采用滑动窗技术,依据所述肌电信号生成的时间顺序对所述肌电信号进行划分,得到多个肌电信号测试数据,并对划分得到的各个所述肌电信号测试数据依次进行存储。
3.根据权利要求2所述的方法,其特征在于,存储所述肌电信号测试数据之前,还包括:
分析待存储的肌电信号测试数据,获得与所述待存储的肌电信号测试数据对应的时域特征;
依据所述时域特征构建与所述待存储的肌电信号测试数据对应二维肌电特征图像。
4.根据权利要求3所述的方法,其特征在于,所述将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,包括:
依据当前所述肌电信号测试数据对应的二维肌电特征图像的表征及所述当前所述肌电信号测试数据的前一个肌电信号测试数据对应的二维肌电特征图像的表征,确定当前所述肌电信号测试数据对应的差异值;
将所述差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果。
5.根据权利要求1所述的方法,其特征在于,所述若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列,确定所述肌电信号测试数据对应的第二测试结果,包括:
若当前所述肌电信号测试数据是首个肌电信号测试数据,则生成投票队列;
确定当前所述投票队列的状态,依据所述当前所述投票队列的状态确定当前所述肌电信号测试数据对应的第二测试结果为非动作转换点。
6.根据权利要求5所述的方法,其特征在于,所述依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,包括:
当所述第二测试结果为非动作转换点时,将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
7.根据权利要求1所述的方法,其特征在于,所述将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到所述第二测试结果,包括:
若所述差异值小于预设的第一阈值,则确定当前所述肌电信号测试数据对应的第二测试结果为动作转换点;
若所述差异值大于预设的第二阈值,则确定当前所述肌电信号测试数据对应的第二测试结果为非动作转换点;
若所述差异值大于等于预设的第一阈值且小于等于预设的第二阈值,则依据所述投票队列得出当前所述肌电信号测数据的投票结果;
若所述投票结果与当前所述肌电信号测试数据对应的第一测试结果一致,则确定当前所述肌电信号测试数据的第二测试结果为非动作转换点;
若所述投票结果与当前所述肌电信号测试数据对应的第一测试结果不一致,则确定当前所述肌电信号测试数据的第二测试结果为动作转换点。
8.根据权利要求7所述的方法,其特征在于,所述依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,包括:
当当前所述肌电信号测试数据对应的第二测试结果为非动作转换点时,将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新;
当当前所述肌电信号测试数据对应的所述第二测试结果为动作转换点时,将所述投票队列的队列状态设置为空,并将当前所述肌电信号测试数据对应的第一测试结果存放至所述投票队列中,以实现所述投票队列的更新。
9.一种数据处理装置,其特征在于,包括:
获取单元,用于获取预先存储的多个肌电信号测试数据,并根据各个所述肌电信号测试数据的划分顺序,依次将各个所述肌电信号测试数据输入至预先构建的目标分类器;
判断单元,用于将每个所述肌电信号测试数据输入至所述目标分类器时,获取与当前所述肌电信号测试数据对应的第一测试结果,并判断当前所述肌电信号测试数据是否为首个肌电信号测试数据;所述当前所述肌电信号测试数据为当前输入至所述目标分类器的肌电信号测试数据;
第一确定单元,用于当当前所述肌电信号测试数据是首个肌电信号测试数据时,生成投票队列,并确定当前所述肌电信号测试数据对应的第二测试结果,其中,所述投票队列用于存放各个所述肌电信号测试数据对应的第一测试结果;
第二确定单元,用于当当前所述肌电信号测试数据不是首个肌电信号测试数据时,将当前所述肌电信号测试数据对应的差异值与预设的阈值进行匹配得到与当前所述肌电信号测试数据对应的第二测试结果,其中,所述差异值表征当前所述肌电信号测试数据与前一个所述肌电信号测试数据的差异程度;
识别单元,用于依据当前所述肌电信号测试数据对应的第一测试结果及所述第二测试结果更新所述投票队列,并依据更新后的投票队列对当前所述肌电信号测试数据进行投票以得到识别结果。
10.一种电子设备,包括存储器,以及一个或者一个以上的指令,其中一个或者一个以上指令存储于存储器中,且经配置以由一个或者一个以上处理器执行如权利要求1~8任意一项所述的数据处理方法。
CN201910092534.4A 2019-01-30 2019-01-30 数据处理方法及装置、电子设备 Active CN109800733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910092534.4A CN109800733B (zh) 2019-01-30 2019-01-30 数据处理方法及装置、电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910092534.4A CN109800733B (zh) 2019-01-30 2019-01-30 数据处理方法及装置、电子设备

Publications (2)

Publication Number Publication Date
CN109800733A true CN109800733A (zh) 2019-05-24
CN109800733B CN109800733B (zh) 2021-03-09

Family

ID=66560630

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910092534.4A Active CN109800733B (zh) 2019-01-30 2019-01-30 数据处理方法及装置、电子设备

Country Status (1)

Country Link
CN (1) CN109800733B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110403609A (zh) * 2019-09-03 2019-11-05 北京海益同展信息科技有限公司 运动速度分析方法、装置和可穿戴设备
CN111401166A (zh) * 2020-03-06 2020-07-10 中国科学技术大学 基于肌电信息解码的鲁棒手势识别方法
CN113688802A (zh) * 2021-10-22 2021-11-23 季华实验室 基于肌电信号的手势识别方法、装置、设备及存储介质

Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8747336B2 (en) * 2005-10-16 2014-06-10 Bao Tran Personal emergency response (PER) system
CN105022471A (zh) * 2014-04-23 2015-11-04 王建勤 基于压力传感器阵列进行手势识别的装置与方法
US20150366504A1 (en) * 2014-06-20 2015-12-24 Medibotics Llc Electromyographic Clothing
CN105654037A (zh) * 2015-12-21 2016-06-08 浙江大学 一种基于深度学习和特征图像的肌电信号手势识别方法
CN107273798A (zh) * 2017-05-11 2017-10-20 华南理工大学 一种基于表面肌电信号的手势识别方法
CN107590432A (zh) * 2017-07-27 2018-01-16 北京联合大学 一种基于循环三维卷积神经网络的手势识别方法
CN107679516A (zh) * 2017-10-25 2018-02-09 中国科学院合肥物质科学研究院 基于多尺度高斯‑马尔科夫随机场模型的下肢运动识别方法
CN108268844A (zh) * 2018-01-17 2018-07-10 上海术理智能科技有限公司 基于表面肌电信号的动作模式识别方法及装置
CN108491077A (zh) * 2018-03-19 2018-09-04 浙江大学 一种基于多流分治卷积神经网络的表面肌电信号手势识别方法
US20180307314A1 (en) * 2012-06-14 2018-10-25 Medibotics Llc Circumferential Array of Electromyographic (EMG) Sensors
CN108703824A (zh) * 2018-03-15 2018-10-26 哈工大机器人(合肥)国际创新研究院 一种基于肌电手环的仿生手控制***及控制方法
CN108983973A (zh) * 2018-07-03 2018-12-11 东南大学 一种基于手势识别的仿人灵巧肌电假手控制方法
CN109213305A (zh) * 2017-06-29 2019-01-15 沈阳新松机器人自动化股份有限公司 一种基于表面肌电信号的手势识别方法

Patent Citations (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8747336B2 (en) * 2005-10-16 2014-06-10 Bao Tran Personal emergency response (PER) system
US20180307314A1 (en) * 2012-06-14 2018-10-25 Medibotics Llc Circumferential Array of Electromyographic (EMG) Sensors
CN105022471A (zh) * 2014-04-23 2015-11-04 王建勤 基于压力传感器阵列进行手势识别的装置与方法
US20150366504A1 (en) * 2014-06-20 2015-12-24 Medibotics Llc Electromyographic Clothing
CN105654037A (zh) * 2015-12-21 2016-06-08 浙江大学 一种基于深度学习和特征图像的肌电信号手势识别方法
CN107273798A (zh) * 2017-05-11 2017-10-20 华南理工大学 一种基于表面肌电信号的手势识别方法
CN109213305A (zh) * 2017-06-29 2019-01-15 沈阳新松机器人自动化股份有限公司 一种基于表面肌电信号的手势识别方法
CN107590432A (zh) * 2017-07-27 2018-01-16 北京联合大学 一种基于循环三维卷积神经网络的手势识别方法
CN107679516A (zh) * 2017-10-25 2018-02-09 中国科学院合肥物质科学研究院 基于多尺度高斯‑马尔科夫随机场模型的下肢运动识别方法
CN108268844A (zh) * 2018-01-17 2018-07-10 上海术理智能科技有限公司 基于表面肌电信号的动作模式识别方法及装置
CN108703824A (zh) * 2018-03-15 2018-10-26 哈工大机器人(合肥)国际创新研究院 一种基于肌电手环的仿生手控制***及控制方法
CN108491077A (zh) * 2018-03-19 2018-09-04 浙江大学 一种基于多流分治卷积神经网络的表面肌电信号手势识别方法
CN108983973A (zh) * 2018-07-03 2018-12-11 东南大学 一种基于手势识别的仿人灵巧肌电假手控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
YU DU: ""Semi-supervised learning for surface EMG-based gesture recognition"", 《INTERNATIONAL JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE》 *
陈香 等: ""一种基于融合多传感器信息的手语手势识别方法"", 《航天医学与医学工程》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110403609A (zh) * 2019-09-03 2019-11-05 北京海益同展信息科技有限公司 运动速度分析方法、装置和可穿戴设备
CN111401166A (zh) * 2020-03-06 2020-07-10 中国科学技术大学 基于肌电信息解码的鲁棒手势识别方法
CN113688802A (zh) * 2021-10-22 2021-11-23 季华实验室 基于肌电信号的手势识别方法、装置、设备及存储介质
CN113688802B (zh) * 2021-10-22 2022-04-01 季华实验室 基于肌电信号的手势识别方法、装置、设备及存储介质

Also Published As

Publication number Publication date
CN109800733B (zh) 2021-03-09

Similar Documents

Publication Publication Date Title
Wood et al. On the variability of manual spike sorting
Verikas et al. Electromyographic patterns during golf swing: Activation sequence profiling and prediction of shot effectiveness
Amma et al. Advancing muscle-computer interfaces with high-density electromyography
Brodu et al. Exploring two novel features for EEG-based brain–computer interfaces: Multifractal cumulants and predictive complexity
Moran et al. Competitive guided search: Meeting the challenge of benchmark RT distributions
US20170143226A1 (en) Action Recognition Method and Device Based on Surface Electromyography Signal
CN109800733A (zh) 数据处理方法及装置、电子设备
CN105268171B (zh) 步态监测方法、装置及可穿戴设备
Tot et al. Software platform for learning about brain wave acquisition and analysis
CN107198509B (zh) 基于表面肌电的特征提取方法及***
CN108681685A (zh) 一种基于人体表面肌电信号的躯干动作意图识别方法
CN111048209A (zh) 基于活体人脸识别的健康评估方法、装置及其存储介质
Torres The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson's disease
Donovan et al. Simple space-domain features for low-resolution sEMG pattern recognition
CN104679967B (zh) 一种判断心理测试可靠性的方法
CN109770896A (zh) 梦境图像重现方法、装置及存储介质、服务器
Moore et al. Depth sensor-based in-home daily activity recognition and assessment system for stroke rehabilitation
Parnandi et al. PrimSeq: A deep learning-based pipeline to quantitate rehabilitation training
CN114548165A (zh) 一种可跨用户的肌电模式分类方法
Carneiro et al. Predicting completion time in high-stakes exams
Zhang et al. Activity recognition of the torso based on surface electromyography for exoskeleton control
CN117312985A (zh) 基于可解释深度学习的表面肌电信号相似手势识别方法
Fouad et al. Classifying brain-computer interface features based on statistics and density of power spectrum
Liu et al. Using deep learning for fusion of eye and mouse movement based user authentication
Carrino et al. Gesture segmentation and recognition with an EMG-based intimate approach-an accuracy and usability study

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant