公开(公告)号：CN113505822A

公开(公告)日：2021-10-15

申请号：CN202110742056.4

申请日：2021-06-30

Applicant: 中国矿业大学

Inventor： 王军 ,  陈益民 ,  杜群 ,  李玉莲 ,  吴保磊 ,  李富强

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  A61B5/397

Abstract: 本发明公开了一种基于表面肌电信号的多尺度信息融合上肢动作分类方法，涉及智能假肢手控制技术领域，将多通道表面肌电信号采集模块采集的原始表面肌电信号分别进行时频域分析和表面肌电信号图像升维处理，使用卷积神经网络建立多尺度信息融合网络模型，映射多通道表面肌电信号与手部动作模式的关系，完成上肢动作分类。本发明通过结合时频域分析与深度学习网络的优势，融合多尺度肌电信号特征信息，采用高维度卷积神经网络进行训练，深度挖掘表面肌电信号不同特征类型间的隐含信息，建立表面肌电信号与手部动作模式间的非线性关系，完成上肢动作分类，实现智能仿生手手部动作模式的控制。

公开(公告)号：CN113505822B

公开(公告)日：2022-02-15

申请号：CN202110742056.4

申请日：2021-06-30

Applicant: 中国矿业大学

Inventor： 王军 ,  陈益民 ,  杜群 ,  李玉莲 ,  吴保磊 ,  李富强

IPC: G06K9/62 ,  G06V10/764 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08 ,  A61B5/397

Abstract: 本发明公开了一种基于表面肌电信号的多尺度信息融合上肢动作分类方法，涉及智能假肢手控制技术领域，将多通道表面肌电信号采集模块采集的原始表面肌电信号分别进行时频域分析和表面肌电信号图像升维处理，使用卷积神经网络建立多尺度信息融合网络模型，映射多通道表面肌电信号与手部动作模式的关系，完成上肢动作分类。本发明通过结合时频域分析与深度学习网络的优势，融合多尺度肌电信号特征信息，采用高维度卷积神经网络进行训练，深度挖掘表面肌电信号不同特征类型间的隐含信息，建立表面肌电信号与手部动作模式间的非线性关系，完成上肢动作分类，实现智能仿生手手部动作模式的控制。