买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于递归神经网络与集成学习的肌电信号解码方法，包括肌电信号与力量信号预处理，肌电通道选择，递归神经网络构建和集成学习算法构建四部分；将递归神经网络作为弱回归器，在训练上采用力量信号所对应的之前一段时间的肌电信号作为输入；采用改进的集成学习算法，在赋予新一轮数据样本权重时，针对误差较大的训练数据，将考虑在其他力量大小相似的训练样本中是否也存在较大差异，从而寻找对于肌肉疲劳具有抗性的肌电信号特征；在弱回归器的训练过程中采用迁移学习方法，减少计算负担。本发明能提高训练效率，最终实现对于肌电信号中所包含的力量信息的解码任务。

主权项：1.一种基于递归神经网络和集成学习的肌电信号解码方法，其特征在于，包括以下步骤：1对预先获取的肌电信号和力量信号进行预处理，并划分为训练集和测试集；2肌电通道选择：依据肌电信号与输出力量信号之间的非线性关系，采用斯皮尔曼系数对肌电通道进行选择；3构建递归神经网络：将递归神经网络作为基础回归器，一层长短时记忆LSTM单元与一层全连接层作为回归器结构；将某一段时间的肌电信号作为输入，将该时间段最后一个时间点的力量信号作为输出；4采用改进的adaboost回归算法，将递归神经网络进行集成：当训练数据当前回归器上误差较大时，首先判断在同等力量信号大小下其他时段的肌电信号是否也误差较大，若同样存在误差较大的问题，那么就对于该样本权重增加这个事件赋予较大的置信度，否则就赋予较小的置信度；为了加快基础回归器的训练速度，除第一个回归器是通过训练初始化数据所得之外，其他基础回归器都是由上一个基础回归器经过迁移学习所得；所述步骤4通过以下公式实现：41假设样本训练集表示为Dtrain＝{x1,f1x2,f2...xn,fn}，xi是肌电信号构成的矩阵，fi是输出的力量值，n为训练样本总体个数，首先为训练样本初始化权重D0＝{D1,D2,,,Dn}，其中： 42训练长短期记忆网络并得到预测值43计算每一个训练样本的损失函数： 计算损失函数的上界D并归一化损失值： 44计算训练集的平均损失： 其中pi＝Di∑Di45计算弱回归器的置信度： 46计算样本的置信度，削弱肌肉疲劳的影响或者噪声点的烦扰，对于一个给定的样本xk,fk，收集与其力量fk大小相近的数据集作为子数据集Dsubtrain＝{x1,f1x2,f2...xM,fM}，M为子数据集样本个数，其对应的损失值为Ljj＝1,2,...,M；假定Dsubtrain中x1,f1即为Dtrain中的xk,fk，计算样本损失值Lj的均值与标准偏差Lstd，并判定该样本的置信度δk： 47更新每一个样本的权重： Dk∈Dkr其中，kr代表该样本权重用来训练第kr个弱回归器；48采用迁移学习算法，用上一轮训练好的长短时记忆单元的参数初始化下一个弱回归器，而全连接层进行随机初始化，训练过程中降低长短时记忆单元的学习率；49重复42-48直到所有的KR个弱回归器都训练完毕；50对于测试集，使用权重的中值位数所对应的弱回归器进行预测，其中权重计算如下：

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于递归神经网络与集成学习的肌电信号解码方法