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！

龙图腾网恭喜福州大学申请的专利一种基于表面肌电信号的长时手势识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115841701B 。

龙图腾网通过国家知识产权局官网在2025-05-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211661799.X，技术领域涉及：G06V40/20；该发明授权一种基于表面肌电信号的长时手势识别方法是由李玉榕;林恒;施正义;杜国川设计研发完成，并于2022-12-21向国家知识产权局提交的专利申请。

本一种基于表面肌电信号的长时手势识别方法在说明书摘要公布了：本发明涉及一种基于表面肌电信号的长时手势识别方法。包括两个部分：第一个部分是数据预处理，包括特征提取、特征降维；第二个部分是分类模型的自适应更新。首先是数据预处理部分，在已有天数的手势数据上（通常为第一天采集的数据）上提取差分共空间模式differentialCSP,DCSP特征，接着通过带有激活系数归一化的非负矩阵分解算法nonnegativematrixfactorization,NMF对特征进行转换。然后是分类模型的自适应更新部分，将每个测试天的第一次重复实验作为无标签样本，对这部分样本用分类聚类自训练（Clusteringandclassificationself‑training,CCST）方法进行评估和标注，将合格样本和标签和已有数据一起重新训练分类模型。本发明避免用户每日需要采集数据进行校准的麻烦，提高了用户的使用舒适度。

本发明授权一种基于表面肌电信号的长时手势识别方法在权利要求书中公布了：1.一种基于表面肌电信号的长时手势识别方法，其特征在于，包括：数据预处理：在已有天数的手势数据上提取差分共空间模式DCSP特征，通过带有激活系数归一化的非负矩阵分解算法NMF对DCSP特征进行转换；分类模型的自适应更新：将每个测试天的第一次重复实验作为无标签样本，对无标签样本用分类聚类自训练CCST方法进行评估和标注，将合格样本和标签和已有数据一起重新训练分类模型；所述提取差分共空间模式DCSP特征的具体实现如下：通过公式1计算每个类别信号的平均协方差矩阵： 其中i＝1，2，3…c，n为第i个类别的采样点数，Xi表示为第i个类别的原始肌电信号；通过求解公式2，找到一个最佳投影矩阵w使得在相应方向上第i类和第j类的差别最大：w×Ri＝λ×w×Rj2将所有类别两两计算得到一个最佳投影矩阵，组合所有投影矩阵，对原始肌电信号X进行投影，如式3所示：A＝wX3接着如4所示求解投影后的信号的一阶、二阶差分信号并取方差，得到A0、A1、A2：A0＝varAA1＝varΔAA2＝varΔ2A4var表示求取信号的方差，Δn表示求信号的n阶导数，再经过式5进行幂指数变换得到B0、B1、B2，λ为常数，其中式6将特征组合在一起，最后通过7进行对数归一化得到DCSP特征： C＝[B0B1B2]6D＝logCsumC7所述通过带有激活系数归一化的非负矩阵分解算法NMF对DCSP特征进行转换的具体实现方式如下：将NMF算法结合激活系数归一化的方法命为NMFH算法，通过NMFH算法对DCSP特征进行转换，增加DCSP特征在长时间手势识别中不同动作的可区分性；DCSP特征提取后，将训练当天的特征命为V，测试当天的特征命为V’，V通过NMF算法分解成肌肉协同矩阵W∈RM×K和激活系数矩阵H∈RK×N的乘积，具体来说，V中第m行第n列的元素被分解为： 其中W为肌肉协同矩阵，H为激活矩阵，M为肌肉数目，N为特征样本数目，K为降维后的特征维数，首先初始化W和H为随机的非负矩阵，取K＝10，接着W和H中的每个元素通过式9-11进行迭代求解，其中式11为在迭代过程中加入对激活系数H的归一化： 测试集V’固定训练集迭代得到的W矩阵，初始化H’为随机的一个非负矩阵，通过式10-11得到测试特征H’。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。