一种运动意图识别方法

技术特征：
1.一种运动意图识别方法，其特征在于，包括：根据n个肌电信号数据样本，构建运动意图识别模型；利用预先定义的投影函数和后件参数对所述运动意图识别模型进行扩展；在采集到第n 1个肌电信号数据样本时，利用所述第n 1个肌电信号数据样本对扩展后的运动意图识别模型进行更新；利用更新后的运动意图识别模型对待识别肌电信号数据进行运动意图识别，得到所述待识别肌电信号数据对应的运动意图；其中，预先定义的投影函数的表达式为：；为第n个核函数，，为投影函数，为第n个肌电信号数据样本的投影函数。2.根据权利要求1所述的识别方法，其特征在于，所述根据n个肌电信号数据样本，构建运动意图识别模型，包括：将n个肌电信号数据样本分解到r个模糊集中；计算每个肌电信号数据样本对每个模糊集的隶属度，并基于所述隶属度构建运动意图识别模型。3.根据权利要求2所述的识别方法，其特征在于，扩展后的运动意图识别模型为：其中，为运动意图，为肌电信号数据样本对第k个模糊集的隶属度，为预先定义的后件参数，为预先定义的投影函数，为第k个模糊集的模糊规则中的后件参数， ；；其中，为第n个肌电信号数据样本对应的拉格朗日乘子，为第n个肌电信号数据样本，为第n个肌电信号数据样本对第k个模糊集的隶属度。4.根据权利要求3所述的识别方法，其特征在于，对所述运动意图识别模型进行扩展，所述识别方法还包括：建立核函数矩阵；对所述核函数矩阵进行特征值分解，并按照从大至小的顺序从分解后的特征值中选取m个特征值；将所述m个特征值对应的核函数作为支持核函数；
将扩展后的运动意图识别模型中除所述支持核函数以外的其他核函数删除，得到降维后的运动意图识别模型；对降维后的运动意图识别模型中的参数进行求解，并利用求解后的参数得到最终运动意图识别模型。5.根据权利要求4所述的识别方法，其特征在于，降维后的运动意图识别模型为：其中，，为第m个支持核函数，m为支持核函数的数量，为第k个模糊集的模糊规则中的后件参数，，为中的第m个参数，。6.根据权利要求5所述的识别方法，其特征在于，降维后的运动意图识别模型中的参数包括后件参数和后件参数；所述对降维后的运动意图识别模型中的参数进行求解，包括：对降维后的运动意图识别模型建立如下线性方程：其中，为第n个肌电信号数据样本对第r个模糊集的隶属度，为第n个肌电信号数据样本的第m个支持核函数，为当肌电信号数据样本量为n时第r个模糊集的模糊规则中的后件参数，为当肌电信号数据样本量为n时中的第m个参数，r为模糊集的数量，为第n个肌电信号数据样本对应的运动意图的真实值；基于最小二乘法对所述线性方程进行求解，得到。7.根据权利要求6所述的识别方法，其特征在于，所述利用所述第n 1个肌电信号数据样本对扩展后的运动意图识别模型进行更新，包括：将所述第n 1个肌电信号数据样本输入所述最终运动意图识别模型，得到所述第n 1个肌电信号数据样本对应的运动意图的预测值；根据所述预测值和所述第n 1个肌电信号数据样本对应的运动意图的真实值，得到所述最终运动意图识别模型的建模误差；获取所述第n 1个肌电信号数据样本对r个模糊集的隶属度；
若所述建模误差大于预设误差阈值、且所述第n 1个肌电信号数据样本对r个模糊集的隶属度均大于预设隶属度阈值，则对所述最终运动意图识别模型进行更新。8.根据权利要求7所述的识别方法，其特征在于，所述对所述最终运动意图识别模型进行更新，包括：获取所述第n 1个肌电信号数据样本对r个模糊集的距离；若所述第n 1个肌电信号数据样本与r个模糊集中一模糊集的距离小于第一预设距离阈值、且所述第n 1个肌电信号数据样本与r个模糊集中其他模糊集的距离均大于或等于所述第一预设距离阈值，则通过模糊中心更新公式更新r个模糊集的模糊中心，通过方差更新公式更新r个模糊集的方差，并对所述最终运动意图识别模型的后件参数进行局部更新；若所述第n 1个肌电信号数据样本与r个模糊集中一部分模糊集的距离小于第二预设距离阈值，且所述第n 1个肌电信号数据样本与r个模糊集中另一部分模糊集的距离均大于或等于所述第二预设距离阈值，则通过模糊中心更新公式更新r个模糊集的模糊中心，通过方差更新公式更新r个模糊集的方差，并对所述最终运动意图识别模型的后件参数进行局部更新；若所述第n 1个肌电信号数据样本与r个模糊集中每个模糊集的距离均小于第二预设距离阈值，则通过所述模糊中心更新公式更新r个模糊集的模糊中心，通过所述方差更新公式更新r个模糊集的方差，并对所述最终运动意图识别模型的后件参数进行全局更新；所述第二预设距离阈值大于所述第一预设距离阈值。9.根据权利要求8所述的识别方法，其特征在于，所述模糊中心更新公式为：其中，为当肌电信号数据样本量为n 1时的第k个模糊集的模糊中心，为当肌电信号数据样本量为n时的第k个模糊集的模糊中心，为第n 1个肌电信号数据样本，为第n 1个肌电信号数据样本对第k个模糊集的隶属度，为第i个肌电信号数据样本对第k个模糊集的隶属度；所述方差更新公式为：其中，为当肌电信号数据样本量为n 1时的第k个模糊集的方差，为当肌电信号数据样本量为n时的第k个模糊集的方差。10.根据权利要求8所述的识别方法，其特征在于，所述对所述最终运动意图识别模型的后件参数进行全局更新，包括：建立如下参数更新线性方程：
其中，为第n 1个肌电信号数据样本对第r个模糊集的隶属度，为第n 1个肌电信号数据样本的第m个支持核函数，为当肌电信号数据样本量为n 1时所述最终运动意图识别模型的后件参数，为当肌电信号数据样本量为n 1时第r个模糊规则中的后件参数，为当肌电信号数据样本量为n 1时中的第m个参数，为第n 1个肌电信号数据样本对应的运动意图的真实值；基于递归最小二乘法对所述参数更新线性方程进行更新，得到；；其中为的第n 1行；所述对所述最终运动意图识别模型的后件参数进行局部更新，包括：通过如下公式更新所述最终运动意图识别模型中需要更新的后件参数：其中，为当肌电信号数据样本量为n 1时第k个模糊集的模糊规则中的后件参数，为当肌电信号数据样本量为n时第k个模糊集的模糊规则中的后件参数，为第n 1个肌电信号数据样本对第k个模糊集的隶属度；为第n 1个肌电信号数据样本对第k个模糊集的隶属度；为第n 1个肌电信号数据样本对第k个模糊集的隶属度；为第n 1个肌电信号数据样本对第k个模糊集的隶属度；为第n 1个肌电信号数据样本的投影函数，为p
n
的第k行。

技术总结
本申请适用于生理信号处理技术领域，提供了一种运动意图识别方法，其中该方法包括：根据N个肌电信号数据样本，构建运动意图识别模型，利用预先定义的投影函数和后件参数对运动意图识别模型进行扩展，在采集到第N 1个肌电信号数据样本时，利用第N 1个肌电信号数据样本对扩展后的运动意图识别模型进行更新，利用更新后的运动意图识别模型对待识别肌电信号数据进行运动意图识别，得到待识别肌电信号数据对应的运动意图。本申请能大大提高运动意图的识别准确率。的识别准确率。的识别准确率。


技术研发人员：陆新江 柏昀旭
受保护的技术使用者：中南大学
技术研发日：2022.11.28
技术公布日：2022/12/30