申请/专利权人：福州大学

申请日：2020-10-15

公开（公告）日：2024-06-28

公开（公告）号：CN112101298B

主分类号：G06F18/24

分类号：G06F18/24;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2021.01.05#实质审查的生效;2020.12.18#公开

摘要：本发明涉及一种基于肌肉电阻抗信号的手势识别系统，包括：信号采集单元和上位机数据处理单元；所述信号采集单元包括主控模块、信号驱动模块、信号检测模块、AD采集模块和无线通信模块；所述主控模块与信号驱动模块、AD采集模块和无线通信模块分别连接；所述信号检测模块与电极和AD采集模块分别连接；所述无线通信模块通过无线传输与上位机连接，将采集的信号传输至上位机处理。本发明能直接反应出肌肉的本质状态，对于低速运动也能有较好的灵敏度，对肌肉收缩灵敏度高、鲁棒性好、信号幅值大、频率可控、预处理简单。

主权项：1.一种基于肌肉电阻抗信号的手势识别系统，其特征在于，包括：信号采集单元和上位机；所述信号采集单元包括主控模块、信号驱动模块、信号检测模块、AD采集模块和无线通信模块；所述主控模块与信号驱动模块、AD采集模块和无线通信模块分别连接；所述信号检测模块与信号驱动模块和AD采集模块分别连接；所述无线通信模块通过无线传输与上位机连接，将采集的信号传输至上位机，所述上位机根据得到的信号进行手势识别；所述信号驱动模块包括依次连接的人体表面测量电极、信号源电路、放大器电路和射级跟随电路；所述信号检测模块包括依次连接的滤波电路、稳压电路、相位极性鉴别电路和幅相检测电路；所述系统采用以下方法实现：步骤S1:通过信号采集单元采集人体小臂EIM信号，并传送至上位机；步骤S2:上位机根据采集到的直流电压信号VMAG和VPHS与信号衰减、相位差的关系计算出Vi和Vo的幅度比值和相位差；步骤S3:根据欧姆定律，利用参考电阻将电压幅度比值和相位差换算为肌肉的阻抗模|Z|和φ,并进行归一化处理；步骤S4:将归一化后的|Z|’和φ’作为两个变量，使用机器学习的方法训练手势分类模型，实现最终的手势分类；所述机器学习的方法采用极限学习机分类器，包括输入层、隐含层和输出层，具体构建过程如下：随机生成输入层和隐含层之间的连接权值；计算隐含层的输出矩阵H，将输入数据映射至隐含层节点的结果；最小化误差函数L＝min||Hβ-T||，其中T为网络的目标输出；其中β为隐含层和输出层的权重向量，引入正则化项后，其计算公式变为β＝HTH+1C-1HTH，得到最终的神经网络模型。

全文数据：

权利要求：

百度查询： 福州大学 基于肌肉电阻抗信号的手势识别系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD