公开(公告)号：CN110598628A

公开(公告)日：2019-12-20

申请号：CN201910860988.1

申请日：2019-09-11

Applicant: 南京邮电大学

Inventor： 沈澍 ,  顾康 ,  李文娟 ,  顾永杰 ,  刘光源 ,  王思宇

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明公开了一种基于集成深度学习的肌电信号手部运动识别方法，首先对连续肌电信号进行窗口化分割。接着对肌电信号进行预处理，使用离散傅里叶变换提取肌电信号的频域表示数据，使用离散小波包变换提取肌电信号的时频域表示数据，使用min-max方式对肌电信号时域、频域和时频域数据进行标准化。然后基于卷积神经网络设计了初级分类器模型，分别使用时域、频域和时频域表示数据训练三个初级分类器。最后基于Stacking的方法设计次级分类器，将三个初级分类生成的结果拼接，并用于次级分类器的训练，本发明避免了人工提取特征时重要信息的遗漏，提高了肌电信号手部运动识别的准确率。

公开(公告)号：CN110598628B

公开(公告)日：2022-08-02

申请号：CN201910860988.1

申请日：2019-09-11

Applicant: 南京邮电大学

Inventor： 沈澍 ,  顾康 ,  李文娟 ,  顾永杰 ,  刘光源 ,  王思宇

IPC: G06K9/62 ,  G06K9/00 ,  G06N3/04 ,  G06N20/20

Abstract: 本发明公开了一种基于集成深度学习的肌电信号手部运动识别方法，首先对连续肌电信号进行窗口化分割。接着对肌电信号进行预处理，使用离散傅里叶变换提取肌电信号的频域表示数据，使用离散小波包变换提取肌电信号的时频域表示数据，使用min‑max方式对肌电信号时域、频域和时频域数据进行标准化。然后基于卷积神经网络设计了初级分类器模型，分别使用时域、频域和时频域表示数据训练三个初级分类器。最后基于Stacking的方法设计次级分类器，将三个初级分类生成的结果拼接，并用于次级分类器的训练，本发明避免了人工提取特征时重要信息的遗漏，提高了肌电信号手部运动识别的准确率。