一种手肘角度预测方法、终端设备及存储介质与流程

技术特征：
1.一种手肘角度预测方法，其特征在于，包括以下步骤：s1：通过柔性传感器采集手肘处于不同角度时的电阻值，将采集的电阻值和手肘角度组成原始数据集do；s2：构建基于生成对抗网络的cmd
‑
gan网络模型，通过原始数据集do对cmd
‑
gan网络模型进行训练，通过训练后的cmd
‑
gan网络模型将原始数据集do转换为合成数据集ds；cmd
‑
gan网络模型包括生成器和鉴别器，生成器包括两个输入c和z，其中，c表示输入数据中的手肘角度，z表示噪声向量，生成器的输出为合成电阻值，鉴别器用于对合成电阻值和输入数据中的原始电阻值进行鉴别，以使损失函数最小；cmd
‑
gan网络模型的损失函数包括对抗损失l
d
和生成损失l
g
，计算公式分别为：l
d
＝αl
d
2 (1
‑
α)l
d1‑
e[log(c
r
)]l
g
＝αl
g
2 (1
‑
α)l
g1‑
e[log(c
f
)]其中，cr和cf分别表示鉴别器正确分类的真实和假样本的概率，e表示概率分布期望值，l
d
2和l
g
2分别表示对抗损失l
d
和生成损失l
g
中的wasserstein距离，l
d
1和l
g
1分别表示对抗损失l
d
和生成损失l
g
中的交叉熵，α表示超参数；s3：构建基于全连接神经网络的预测器，通过合成数据集ds对预测器进行训练；s4：当对手肘角度进行预测时，将通过柔性传感器采集的电阻值输入训练后的预测器后，得到预测的手肘角度。2.根据权利要求1所述的手肘角度预测方法，其特征在于：原始数据集do通过在普通的肘垫上增加多个柔性传感器的设备原型来采集，多个柔性传感器以相等的距离环形地安装于肘垫上。3.根据权利要求1所述的手肘角度预测方法，其特征在于：手肘角度通过用于运动捕捉的商用光学系统跟踪获得，通过计算上下臂的中轴之间的角度来计算肘关节角度。4.根据权利要求1所述的手肘角度预测方法，其特征在于：原始数据集do包括使用者在不同动作模式下和设备原型处于不同状态下的数据。5.根据权利要求1所述的手肘角度预测方法，其特征在于：噪声向量从标准正态分布(0，1)采样获得。6.根据权利要求1所述的手肘角度预测方法，其特征在于：预测器由八个全连接层组成，第一层的输入为电阻值，最后一层的输出为手肘角度。7.根据权利要求1所述的手肘角度预测方法，其特征在于：预测器采用学习率为0.0001的adam优化器，并计算预测手肘角度和真实手肘角度之间的均方误差充当损失函数进行训练。8.一种手肘角度预测终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～7中任一所述方法的步骤。9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～7中任一所述方法的步骤。

技术总结
本发明涉及一种手肘角度预测方法、终端设备及存储介质，该方法中包括：S1：通过柔性传感器采集手肘处于不同角度时的电阻值，将采集的电阻值和手肘角度组成原始数据集DO；S2：构建基于生成对抗网络的cmd


技术研发人员：郭诗辉 高星 林俊聪
受保护的技术使用者：厦门大学
技术研发日：2021.07.09
技术公布日：2021/10/23