基于表面肌电信号的LDA-BPNN双臂手势识别算法.pdf

传感器与微系统（）年第卷第期：（）基于表面肌电信号的双臂手势识别算法王金玮，曹乐，阚秀，张文艳，孟壮壮（上海工程技术大学电子电气工程学院，上海）摘要：针对基于表面肌电（）信号的双臂手势识别率不高的问题，提出一种利用线性判别分析（）方法结合反向传播神经网络（）算法的手势识别方法。首先，对采集的双臂信号进行小波阈值去噪的预处理，提取信号中的均方根值、绝对值均值、过零点次数、立方均值、波长、平均绝对值斜率共种特征；再通过对高维特征集进行降维处理；最后，利用建立相应的手势模型并识别。实验结果表明：在双臂手势动作的背景下，该识别算法效率较高，识别准确率高达 ，能够有效实现双臂手势识别。关键词：表面肌电信号；小波阈值去噪；线性判别分析方法；反向传播神经网络；手势识别中图分类号：文献标识码：文章编号：（），（，）：（），（）（），：（）；（）；（）；引言手势识别在人机交互、康复医学、假肢控制等领域具有广泛应用。随着人体生理信号在运动控制、分析领域中的不断发展，基于表面肌电（，）信号的手势识别也逐渐成为研究热点。信号是浅层肌肉和神经干上电活动在皮肤表面的综合效应，能在一定程度上反映神经肌肉的活动。采集信号仅需在皮肤表面粘贴氯化银（）电极，或通过佩戴智能采集设备（如臂环等），采集方式简单且无创伤性。通常比肢体运动超前产生，因此，依据此特性能够对肢体运动进行预测或分类识别。冯凯等人建立了基于经验模态分解和小波变换的收稿日期：手势识别模型，并分别采用线性判别分析（，）和支持向量机（）对手势进行模式识别；张松等人提出了一种基于单通道的信号分解与长短期记忆网络（）相结合的手势识别方法；等人利用傅里叶分析法将信号分解为本征频带函数，计算其熵、峭度等特征并使用进行分类识别；等人提出一种双相位粒子群优化（）算法对高维特征数据降维，具有快速且不降低精度的特点；等人提出一种自适应算法来优化的参数，使基于的手势识别率有进一步提升；王逸桐等人提出了基于卷积神经网络（）的信号手势识别方法；魏庆丽等人提取选择有效的特征值构造输入向量第期王金玮，等：基于表面肌电信号的双臂手势识别算法后通过概率神经网络实现手势识别，为假肢手的研究提供了理论基础。以上研究通过提取信号的时域或频域特征研究单臂手势分类识别，但目前双臂手势识别的研究较少且识别准确率不高，为此，本文提出了一种基于信号的与反向传播神经网络（，）算法相结合的双臂手势识别方法。预处理与特征提取实验设计本文实验中共采集位测试者的双臂肌电数据。测试者需双臂佩戴臂环执行类标准的手语动作，手语语义及动作描述如下：）称赞：双手鼓掌，表示赞美，如图（）所示；）抱歉：双手抱拳作揖，上下摆动，如图（）所示；）对象：双手的食指与中指交叉呈“”形，从两侧向中间靠拢，如图（）所示；）某人：双手食指搭成“人”字形，如图（）所示。(a)?称赞(b)?抱歉(d)?某人(c)?对象图 类手语动作 为降低肌肉疲劳对肌电信号采集的影响，要求测试者在实验前的天内没有进行过双臂肌肉锻炼。在采集过程中，动作执行的快慢会对肌电信号采集产生较大影响，为此要求测试者做手语时基本保持匀速状态，每种手语动作做组，每组执行次动作，每次动作完成后休息。休息期间双臂平放于桌面使肌肉处于放松状态。最后将位测试者的肌电数据按动作类别做标签记录再合并。预处理由于受到肌电采集设备、实验环境和实验个体生理差异等多种因素的影响，上述实验采集到的信号无法避免干扰噪声。本文实验选择使用小波阈值去噪法。小波阈值去噪的基本原理是，设点含噪信号为（）（）（）（）式中（）为原始信号，（）为服从（，）的高斯白噪声。小波阈值法对含噪信号去噪主要有个步骤：）对含噪信号进行尺度的正交小波变换，得到一组小波系数，；）对，进行阈值处理，确定小波系数的估计值，；）利用，重新构造小波后得到去噪后的信号（）。为实现良好的去噪效果，应选择合适的小波基函数和分解层数。本文实验选择小波基对含噪的信号进行小波分解，两者波形较为相似且对称性明显，符合实验要求；臂环肌电采集频率为，且信号主要能量集中在 之间，由此分解层数选择层；阈值选取为无偏风险估计（）原理进行自适应阈值选择；阈值函数选择硬阈值估计法，即当小波系数的绝对值小于给定阈值时设其为零值。“称赞”动作肌电信号小波去噪前后对比如图所示。6?0004?0002?0000-1001020采样点去噪前幅值6?0004?0002?0000-1001020采样点去噪后幅值图“称赞”动作肌电信号小波去噪前后对比 特征提取考虑到手势识别的实时性要求和时域特征的计算简单性，本文最终选择了个时域特征作为分类标准，分别是均方根（）值、绝对值均值（）、过零点次数（）、立方均值（）、波长（）、平均绝对值斜率（），其数学定义如表所示。表时域特征的数学定义数学定义数学定义 槡 （），（），0 本文研究中的双臂佩戴臂环共个通道（左右各个），从每一个通道的信号中提取个时域特征向量，最终一次动作得到个特征样本数据。由于维度较高，为提高数据计算速度和手语动作分类准确率，需要对特征集进行降维处理。数据降维方法的基本思想是将高维的数据点向低维空间中投影，使得投影后的数据点按照类别进行区分，其中，同一类别的数据点在投影后的空间中更接近。降维的数据需满足个特征来减小在同一向量上的重叠：一是不同类别数据降维后相互间的差异大；二是同一类数据降维后相互间的差异小，即类间距离最大化和类内距离最小化。设多类别数据集 （，），（，），（，），任意样本特征为维向量，为降维后的维度，本文实验中肌电数据的降维计算过程是：）计算每个手语动作肌电数据的均值，全局样本均值；）按式（）、式（）分别计算类内散度矩阵和类间散度矩阵，对矩阵做特征值分解；）特征值由大到小排序后取最大的个特征值及其特征向量，计算投影矩阵，将新的样本特征代替之前的样本特征，得到输出样本集（）（）（）传 感 器 与 微 系 统第卷（）（）（）实验结果表明：类动作模式降维到维时动作区分比较明显，样本点聚类性较好，如图所示。-6-3-4-20246-131称赞抱歉对象某人图 降维 算法算法具有信号前向传递，误差后向传播的特点，通过不断调整网络中各节点的权值，优化网络学习效率从而得到期望的输出结果，它具有层或层以上的神经元网络，包括输入层、隐含层和输出层。训练的主要过程是对各层神经元的权值和偏置进行更新：）对所有的网络层，有全零矩阵（）和全零向量（）；）使用反向传播（）算法，计算神经元权值和偏置的梯度矩阵（）（）与向量和（）（）；）分别计算（）（）（）与（）（）（）；）计算（）（）（）与（）（）（）更新权值和偏置，其中，为训练样本个数。设计进行模型训练之前需合理设置参数，主要有输入输出层参数、隐含层神经元个数、激活函数等。本文实验中输入层输入降维后的特征样本集，故输入层的神经元个数为；输出层的神经元个数根据手势类别数确定，实验中选取了类手语动作，故输出层神经元个数为。选择适当的隐含层神经元个数对神经网络训练效果至关重要，主要体现在输出结果的拟合程度。通常确定隐含层神经元个数时参考以下经验公式（）（）式中 为任取的变量，取值范围为 ；为输入层神经元个数，为输出层神经元个数，为训练集的样本数。实验中，从特征样本集选取个训练样本和个测试样本，识别方法取，即隐含层的神经元个数。输入层与隐含层的激活函数设为，输出层的激活函数为。式（）为计算公式，设共有个分类，为中的某个分类，为该分类对应的值，0（）（）（）模型编译阶段选择使用优化器来降低梯度变换对权值更新的影响，由于是多分类手势识别故将损失函数设为，评估标准设置为，学习率取 。实验结果与分析由图可以看出，手势识别率在训练次数达到次左右时开始提升，识别误差率随之降低。当训练次数达到次时，识别率趋近 达到最高。3002001001020406080100误差率/%训练次数/次3002001001训练次数/次020406080100识别率/%(a)?训练次数与误差率关系(b)?训练次数与识别率关系图实验结果结论本文利用有监督的特性和矩阵特征分解思想对高维度的双臂手势肌电特征数据进行了降维处理，为手势模型训练提供了有效的输入。结合实验设计对各参数做出了合理设置，最终识别率趋近 ，表明手势识别率较高，达到了实验预期效果。参考文献：王增铮基于臂环的手语孤立词识别大连：大连理工大学，陈岁生，卢建刚一种无线肌电信号采集装置的设计微计算机信息，（）：冯凯，董秀成，刘栋博基于经验模态分解小波包变换的表面肌电信号手势识别中国医学物理学杂志，（）：张松，李江涛，别东洋，等一种基于单通道分解与神经网络相结合的手势识别方法仪器仪表学报，（）：，（）：，（）：，（）：王逸桐，许成哲基于模型的信号手势动作识别算法电子质量，（）：（下转第页）传 感 器 与 微 系 统第卷 ，（）：杜英魁，姚俊豪，刘鑫，等大气监测无线传感器网络双向通信链路设计传感器与微系统，（）：，（）：，：，（）：，（）：，?，?，（）：，（）：，（）：孔?，陈胜楠，律江，等欧美杨单株液流昼夜组成及其影响因素分析林业科学，（）：作者简介：叶建新（），男，硕士研究生，研究方向为农业信息化。李颜娥（），女，博士，讲师，主要从事人工智能、智能信息处理研究工作。武斌（），男，硕士，讲师，主要从事无线传感器网络、智能信息处理研究工作。吴斌（），男，通讯作者，硕士，工程师，主要从事人工智能、智能信息处理研究工作檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸。（上接第页）刘威，王从庆基于和的手势识别及康复手套控制吉林大学学报（信息科学版），（）：石军梅基于表面肌电信号的手部动作模式识别方法研究南京：南京航空航天大学，魏庆丽，肖玮，梁伟强，等基于的手势识别传感器与微系统，（）：，（）：王朋基于臂环的假肢手控制技术研究上海：上海师范大学，朱彦平，陈善超，严良文，等 神经网络手势动作识别在脑卒中患者手臂训练中的应用机械制造，（）：作者简介：王金玮（），男，硕士研究生，研究方向为模式识别与生物信号算法。曹乐（），男，通讯作者，博士，硕士研究生导师，主要从事工业自动化装置、智能物联网应用、医疗设备研发、器件动态特性等研究工作檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸檸。（上接第页）侯杰，吴桂芳，崔勇，等硅基微型静电谐振式直流电场传感器建模与仿真分析中国电机工程学报，（）：，（）：，周年荣，方正云，唐立军，等高压近电预警用工频电场传感单元设计与分析传感器与微系统，（）：，（）：，崔勇，漆旭平，吴桂芳，等基于悬空场磨的空间直流合成电场测量研究中国电机工程学报，（）：，（）：作者简介：杨远航（），男，硕士，工程师，研究领域为电力系统继电保护技术。杨桥伟（），男，高级工程师，研究领域为继电保护及其二次回路技术。张文斌（），男，通讯作者，博士，副教授，主要研究领域为测控技术及仪器，智能传感器。