一种基于集成深度学习的肌电信号手部运动识别方法

摘要

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。