基于对抗样本的人体康复运动数据增强方法与流程

技术特征：
1.一种基于对抗样本的人体康复运动数据增强方法，其特征在于，所述方法包括：获取人体康复运动的原始样本，并对所述原始样本进行处理；将处理后的样本输入到训练好的生成器中，所述训练好的生成器进行特征提取，再通过反卷积产生具有对抗能力的噪声；所述生成器的网络结构包括：3层一维卷积堆叠的结构，每层卷积层使用relu作为激活函数，最后一层使用tanh函数；在每层之间引入群组归一化；将生成的噪声与所述原始样本输入至训练好的干扰器，在所述训练好的干扰器中进行结合生成人体康复运动的对抗样本。2.根据权利要求1所述的一种基于对抗样本的人体康复运动数据增强方法，其特征在于，生成器和干扰器的训练过程如下：s1、获取人体康复运动训练用的训练原始样本，并对所述训练原始样本进行处理；s2、将处理后的训练原始样本输入到生成器中，所述生成器进行特征提取，再通过反卷积产生具有对抗能力的噪声；s3、将生成的噪声与所述训练原始样本输入至干扰器，在所述干扰器中进行结合生成人体康复运动的训练对抗样本；s4、将生成的训练对抗样本与训练原始样本传入到鉴别器中进行分类识别；s5、生成器、干扰器、鉴别器重复s1
‑
s4的博弈过程，在这个过程中不断地进行训练和自我优化，最终达到均衡，使得生成器在噪声极小的情况下，干扰器产生的对抗样本与原始样本的相似度极高。3.根据权利要求2所述的一种基于对抗样本的人体康复运动数据增强方法，其特征在于，还包括：通过样本均方差对生成的对抗样本有效性进行评估。4.根据权利要求2所述的一种基于对抗样本的人体康复运动数据增强方法，其特征在于，在训练过程中，总损失函数为其中，l代表总损失函数；为在目标攻击中干扰目标模型f的损失函数，其中x表示原始样本，g(x)为生成器生成的噪声，t是目标类型，表示原始样本的期望，l
f
是被攻击模型f的交叉损失，将鼓励被干扰的信号被目标模型f区分为目标类型t；λ代表l
tar
的权重，l
tar
为目标模型以对抗样本作为输入并输出的损失函数，d(x)为鉴别器对原始样本的识别结果，d(x g(x))为鉴别器对对抗样本的识别结果，l
tar
用来鼓励生成的对抗样本与原始样本尽可能相似；γ代表l
hinge
的权重，c用来稳定生成对抗网络的训练。5.根据权利要求1所述的一种基于对抗样本的人体康复运动数据增强方法，其特征在于，当生成的噪声对应原始样本的信噪比小于η对应原始样本的信噪比时，在保持所述生成的噪声特征不变的情况下减弱噪声的功率来提高信噪比，保证信噪比在预设范围内，η为传感器信号误差的接受范围。
6.根据权利要求1所述的一种基于对抗样本的人体康复运动数据增强方法，其特征在于，获取人体康复运动的原始样本，并对所述原始样本进行处理，包括：获取公开数据集中的正负样本；对所述正负样本进行平铺，并使用插值方式将样本修正为固定值；将平铺后的正负样本进行打乱并归一化处理。7.根据权利要求1所述的一种基于对抗样本的人体康复运动数据增强方法，其特征在于，所述鉴别器的网络结构包括：带有步长的卷积。

技术总结
本发明提供了一种基于对抗样本的人体康复运动数据增强方法，涉及人体康复运动技术领域，该方法包括：获取人体康复运动的原始样本，并对所述原始样本进行处理；将处理后的样本输入到生成器中，生成器通过神经网络进行特征提取，再通过反卷积产生具有对抗能力的噪声；将生成的噪声与所述原始样本输入至干扰器，在干扰器中进行结合生成对抗样本；将生成的对抗样本与原始样本传入到鉴别器中进行分类识别，生成器、干扰器、鉴别器重复上述博弈过程，最终达到平衡，使得生成器在噪声极小的情况下，干扰器产生的对抗样本与原始样本的相似度极高。本发明提供的方法，具有生成类似于人体康复运动识别领域的时序数据的能力，可以增加该领域中样本的多样性。样本的多样性。样本的多样性。


技术研发人员：张新宇 郑康洁 李倍莹
受保护的技术使用者：大连海事大学
技术研发日：2021.07.29
技术公布日：2021/10/23