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：燕山大学

摘要：本发明涉及一种基于SeNet和门控时序卷积网络的肌电手势识别方法，属于肌电信号处理领域，包括：S1、获得手势肌电信号数据，分为训练集、验证集和测试集；S2、对S1的手势肌电信号数据预处理；S3、将S2的手势肌电信号数据增强；S4、构建核心层；S5、构建注意力机制层；S6、构建完整模型；S7、将S3的数据输入到S6的完整模型中，对模型训练至模型损失函数不再提升，保存模型。本发明通过将数据进行增强扩充肌电数据集，提高了模型的识别精度和泛化性；通过使用SeNet对肌电数据通道之间特征提取，通过使用门控时间卷积网络对特征筛选，能够有效提高网络对肌电信号的手势识别精度，同时满足实时性和高性能的要求。

主权项：1.一种基于SeNet和门控时序卷积网络的肌电手势识别方法，其特征在于包括以下步骤：S1：通过肌电信号数据库获得手臂的手势肌电信号数据，并对手势肌电信号进行分割，分为训练集、验证集和测试集；S2：对步骤S1得到的手势肌电信号数据进行预处理，包括带通滤波、工频陷波和数据分段；S3：将步骤S2得到的手势肌电信号数据增强，包括向数据添加高斯噪声、肌电信号采集通道互换和肌电信号时间轴的扩缩；S4：构建核心层，核心层由时间卷积网络、门控卷积和SeNet组成，采用门控卷积替换时间卷积网络中的1维卷积构成门控时间卷积块，采用门控时间卷积块对肌电信号进行特征提取，将上述门控时间卷积块使用SeNet连接，之间插入一层ReLu层，整体构成SeNet-Gated-TCN层；所述步骤S4采用的门控时间卷积块公式如下：Gate＝sigmoidA′′*B+B其中，A和B是输入经过一维因果卷积和膨胀卷积得到的特征序列，且A和B采用的卷积核大小和卷积核数量都是相同的；每个门控时间卷积块中卷积是由因果卷积构成，且每层利用不同的膨胀卷积尺度对肌电信号进行充分地分析；S5：构建注意力机制层，将步骤S4所得核心层进行堆叠，得到特征输出结果输入到注意力机制层，通过注意力机制将特征赋予不同权重；所述步骤S5中，注意力机制对不同的特征赋予不同的权重，计算公式如下： scoreht,hs＝htTWhs其中αts表示肌电特征的权重参数向量，ht表示当前的输出状态，hs表示上层的输出状态，均值越大说明该肌电特征对结果影响更大，S是模型层数，W是权重矩阵由网络训练后获得，Ht表示经过注意力机制后的输出值；S6：构建完整的模型，将步骤S5所得注意力机制层输出结果通过SoftMax激活函数进行输出，获得完整的手势识别模型；S7：将步骤S3得到的数据输入到步骤S6所构建的完整模型中，对模型进行训练直到模型的损失函数不再提升，保存模型。

全文数据：

权利要求：

百度查询： 燕山大学 基于SeNet和门控时序卷积网络的肌电手势识别方法