專利名稱：基于球均值李雅普諾夫指數和關聯維的肌電信號識別方法
技術領域：
本發明屬于模式識別領域，涉及一種肌電信號模式識別方法，特別涉及一種應用于控制遙操作機器人，基于肌電信號的上肢多運動模式識別方法。
背景技術：
表面肌電信號(surface electromyogram, sEMG)是在肌肉表面募集的與人體肌肉活動有關的大量動作單元所產生的電信號的迭加，是具有較好自相似性的非線性信號，因而，對表面肌電信號的研究采用非線性分析方法，如混沌、分形理論是一個值得重視的方向。在遙操作機器人研究領域，肌電信號可以作為遙作的輸入接口，利用從操作者肢體上的表面肌電信號獲取的動作命令來控制遠端的機械裝置，這樣的人機接口對操作者不會構成操作上的負擔，操作者在作業過程中不受束縛，操作感好。肌電信號應用于遙操作系 統人機接口的技術關鍵為肌電信號的模式識別。國內外已有多個研究機構的學者，采用混沌、分形理論作為肌電信號模式識別研究的數學工具。澳大利亞皇家墨爾本理工大學的Naik G R. Kumar D K, Arjunan S P等提取手部各類動作的肌電信號分形特征，然后用支持向量機等分類方法進行運動模式的分類，取得了較高的識別率。泰國宋卡大學的phinyomark Angkoon等用分形的方法研究了上臂弱肌電信號的多模式分類問題，并把研究成果應用到人機接口技術中。國內，清華大學王人成，上海交通大學胡曉、王志中，鄒曉陽、雷敏，上海大學的宋玲玲等在混沌、分形理論應用于肌電信號多運動模式識別方面也做了較多的工作，取得了一些業內有影響的成果。然而，由于非線性問題的復雜性、應用領域的廣泛性，仍有許多課題有待研究。
發明內容
為實現遙操作機器人系統中操作者手腕運動模式的正確識別，本發明提出了一種基于球均值李雅普諾夫(Lyapunov)指數和關聯維的肌電信號識別方法。首先從相關肌肉組上采集相應的表面肌電信號，然后提取肌電信號的球均值Lyapunov指數和關聯維作為特征向量，最后以球均值Lyapunov指數和關聯維為特征向量輸入由對支持向量機所構造的二叉樹結構的分類器，實現肌電信號的上肢多運動模式識別。為了實現以上目的，本發明方法主要包括以下步驟
步驟(I).獲取人體上肢肌電信號樣本數據，具體是首先通過肌電信號采集儀拾取人體上肢肌電信號，再采用基于小波能譜熵的信號消噪方法對含有干擾噪聲的肌電信號進行消噪。步驟(2).將步驟⑴獲取的肌電信號進行特征提取，求出該肌電信號的球均值李雅普諾夫指數和關聯維。所述球均值李雅普諾夫指數，具體算法如下
本發明根據李雅普諾夫(Lyapunov)指數的定義，設計了一種基于軌道跟蹤法的球均值Lyapunov指數法,用于肌電信號Lyapunov指數的求取。算法步聚如下
1)相空間重構。設混沌時間序列為x1,x2.... n}，嵌入維數m時間延遲l則可用
Takens嵌入定理重構M維相空間
Z=U-(1)
式中，孓為相空間中的第i個相點，i為序數,相空間中的點數為拉-(故-Dr。2)求取相點的中心及中心到邊緣的最大伸展距離4 。設定一數值,對以
中心點為圓心，半徑力，超球內的所有點，尋找其最近鄰點，建立點對￠- ,，這里J Cj，且p-ijw 為時間序列的平均峰值時間，以保證相點Xj.與在兩條不同的軌道上。3)計算點對易與4后各點之間的距離七⑴,及七(0)與d八f)的扭角咖g⑴。
權利要求
1.基于球均值李雅普諾夫指數和關聯維的肌電信號識別方法，其特征在于該方法包括如下步驟 步驟(1).獲取人體上肢肌電信號樣本數據，具體是首先通過肌電信號采集儀拾取人體上肢肌電信號，再采用基于小波能譜熵的信號消噪對含有干擾噪聲的肌電信號進行消噪； 步驟(2).將步驟(1)獲取的肌電信號樣本數據進行特征提取，求出該肌電信號樣本數據的球均值李雅普諾夫指數和關聯維； 步驟(3).以步驟(2)獲取的球均值李雅普諾夫指數和關聯維作為特征向量輸入由對支持向量機所構造的二叉樹結構的分類器，獲得識別結果。
2.根據權利要求I所述的基于球均值李雅普諾夫指數和關聯維的肌電信號識別方法，其特征在于所述球均值李雅普諾夫指數，其具體計算如下 1)相空 間重 構設混 沌時 間序 列為(x1,x2--xn}，嵌入維數m ,時間延遲為τ，則可用Takens嵌入定理重構難相空間
全文摘要
本發明提出了一種基于球均值李雅普諾夫(Lyapunov)指數和關聯維的肌電信號識別方法。本發明首先從相關肌肉組上采集相應的表面肌電信號，然后提取肌電信號的球均值Lyapunov指數和關聯維作為特征向量，最后以球均值Lyapunov指數和關聯維為特征向量輸入由對支持向量機所構造的二叉樹結構的分類器，實現肌電信號的上肢多運動模式識別。本發明以Lyapunov指數與關聯維數作為支持向量機的輸入，完成對手部動作運動模式的識別，組合特征的分類結果要好于單個特征的分類結果，多類分類器單元采用對支持向量機(TSVM)時具有比采用傳統SVM時有更高的識別率。
文檔編號G06K9/62GK102968641SQ201210429728
公開日2013年3月13日 申請日期2012年10月31日 優先權日2012年10月31日
發明者張啟忠, 席旭剛, 朱海港, 左靜 申請人:杭州電子科技大學