基于ga-bp神經(jīng)網(wǎng)絡(luò)下肢平地行走步態(tài)識(shí)別方法
【專利摘要】本發(fā)明公開了一種基于GA-BP神經(jīng)網(wǎng)絡(luò)下肢平地行走步態(tài)識(shí)別方法。本發(fā)明首先對(duì)采集到的下肢連續(xù)平地行走動(dòng)作的四路表面肌電信號(hào)進(jìn)行消噪濾波和時(shí)域特征值提取，得到其特征向量樣本集。然后用GA對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，得到BP神經(jīng)網(wǎng)絡(luò)誤差最小的一組完整初始權(quán)值和閾值。最后將提取的特征值隨機(jī)分成訓(xùn)練樣本和測(cè)試樣本兩組，并用訓(xùn)練樣本來(lái)訓(xùn)練GA優(yōu)化之后的BP神經(jīng)網(wǎng)絡(luò)；用測(cè)試樣本輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)分類器，進(jìn)行識(shí)別分類。采用本發(fā)明使得肌電信號(hào)的時(shí)域特征容易提取、特征明顯、具有良好表達(dá)能力。
【專利說(shuō)明】基于GA-BP神經(jīng)網(wǎng)絡(luò)下肢平地行走步態(tài)識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種人體運(yùn)動(dòng)模式識(shí)別方法，特別涉及基于下肢平地行走時(shí)肌電信號(hào)特征值的GA-BP神經(jīng)網(wǎng)絡(luò)步態(tài)識(shí)別的方法。
【背景技術(shù)】
[0002]步態(tài)體現(xiàn)出下肢行走運(yùn)動(dòng)的姿態(tài)，是下肢行走狀態(tài)統(tǒng)稱。它與人體結(jié)構(gòu)與功能、運(yùn)動(dòng)協(xié)調(diào)組織、行為及心理活動(dòng)都有著重要的關(guān)系，是人體生命活動(dòng)中最基本的動(dòng)作。常步態(tài)(normal gait)是指健康人體下肢有自己感覺(jué)最自然、最舒適的姿態(tài)行走時(shí)的步態(tài)，它具有周期性以及協(xié)調(diào)和均衡的特點(diǎn)。
[0003]人體表面肌電信號(hào)是一種低頻的微弱生物信號(hào)，在本質(zhì)上是一種具有非平穩(wěn)、非高斯特性的生理信號(hào)，在拾取、調(diào)理、采集過(guò)程中，不可避免地會(huì)引入許多干擾，通過(guò)合適的信號(hào)消噪、特征值提取和模式識(shí)別方法可區(qū)分下肢平地行走的步態(tài)。
[0004]人體下肢步態(tài)模式識(shí)別方法的研究從上世紀(jì)90年代開始，取得了許多成果。例如Mumse與Saka提出了一種時(shí)空相關(guān)匹配的方法用于區(qū)別不同的步態(tài)；南安普頓大學(xué)的Foster等提出采用區(qū)域度量的方法解決步態(tài)識(shí)別問(wèn)題。隨著人工神經(jīng)網(wǎng)路的發(fā)展，國(guó)內(nèi)有人使用神經(jīng)網(wǎng)絡(luò)對(duì)肌電信號(hào)提取出的特征值進(jìn)行分類，最后得到了較好的效果。然而現(xiàn)在大部分方法的共同理論基礎(chǔ)是經(jīng)典統(tǒng)計(jì)學(xué)，采用的是研究樣本數(shù)目趨于無(wú)窮大時(shí)的漸進(jìn)理論。然而在實(shí)際問(wèn)題中，樣本數(shù)目往往有限，故這些在理論上有顯著長(zhǎng)處的分類方法在實(shí)際應(yīng)用中的表現(xiàn)卻可能不盡人意，例如傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)分類容易出現(xiàn)局部最小值以及分類效果不理想。本發(fā)明采用一種遺傳算法優(yōu)化之后的BP神經(jīng)網(wǎng)絡(luò)來(lái)更好地進(jìn)行模式識(shí)別和分類。

【發(fā)明內(nèi)容】

[0005]本發(fā)明就是針對(duì)傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)分類的不足，采用GA (遺傳算法)優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，使優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)對(duì)肌電信號(hào)提取出的特征值進(jìn)行識(shí)別分類，從而提高正確識(shí)別率。
[0006]本發(fā)明的目的可以通過(guò)以下技術(shù)方案實(shí)現(xiàn):
[0007]本發(fā)明包括以下步驟:
[0008]步驟1.對(duì)采集到的下肢連續(xù)平地行走動(dòng)作的四路表面肌電信號(hào)進(jìn)行消噪濾波和時(shí)域特征值提取，得到其特征向量樣本集。
[0009]步驟2.用GA對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，得到BP神經(jīng)網(wǎng)絡(luò)誤差最小的一組完整初始權(quán)值和閾值。
[0010]步驟3.將步驟I中提取的特征值隨機(jī)分成訓(xùn)練樣本和測(cè)試樣本兩組，并用訓(xùn)練樣本來(lái)訓(xùn)練GA優(yōu)化之后的BP神經(jīng)網(wǎng)絡(luò)；用測(cè)試樣本輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)分類器，進(jìn)行識(shí)別分類。
[0011]其中步驟I中四路肌電信號(hào)的消噪濾波采用空域相關(guān)濾波，具體步驟歸結(jié)如下:[0012](I)對(duì)含噪信號(hào)進(jìn)行離散小波變換，對(duì)采集的原始肌電信號(hào)進(jìn)行5層小波分解，基小波選用雙正交樣條小bior 1.5，得到尺度j上位置η處的含噪信號(hào)f的離散小波變換Wf (j, η)。
[0013](2)求取各尺度與其相鄰尺度的相關(guān)系數(shù)Corr2 (j, n) = Wf (j, n) Wf (j+1, η)。
[0014](3)將C0rr2(j，n)歸一化到Wf(j，n)的能量上去，得到歸一化后的相關(guān)系數(shù)NewCorr2 (j, η)。計(jì)算方法為:
【權(quán)利要求】
1.基于GA-BP神經(jīng)網(wǎng)絡(luò)下肢平地行走步態(tài)識(shí)別方法，其特征在于該方法的具體步驟是: 步驟1.對(duì)采集到的下肢連續(xù)平地行走動(dòng)作的四路表面肌電信號(hào)進(jìn)行消噪濾波和時(shí)域特征值提取，得到其特征向量樣本集； 步驟2.用GA對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，得到BP神經(jīng)網(wǎng)絡(luò)誤差最小的一組完整初始權(quán)值和閾值； 步驟3.將步驟I中提取的特征值隨機(jī)分成訓(xùn)練樣本和測(cè)試樣本兩組，并用訓(xùn)練樣本來(lái)訓(xùn)練GA優(yōu)化之后的BP神經(jīng)網(wǎng)絡(luò)；用測(cè)試樣本輸入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)分類器，進(jìn)行識(shí)別分類。
2.根據(jù)權(quán)利要求1所述的基于GA-BP神經(jīng)網(wǎng)絡(luò)下肢平地行走步態(tài)識(shí)別方法，其特征在于:步驟I中的消噪濾波采用空域相關(guān)濾波，具體是: (1)對(duì)含噪信號(hào)進(jìn)行離散小波變換，對(duì)采集的原始肌電信號(hào)進(jìn)行5層小波分解，基小波選用雙正交樣條小bior 1.5，得到尺度j上位置η處的含噪信號(hào)f的離散小波變換Wf (j, η)； (2)求取各尺度與其相鄰尺度的相關(guān)系數(shù)
3.根據(jù)權(quán)利要求1所述的基于GA-BP神經(jīng)網(wǎng)絡(luò)下肢平地行走步態(tài)識(shí)別方法，其特征在于:步驟I中時(shí)域特征值提取為積分肌電值和絕對(duì)值方差，兩個(gè)特征值的定義及提取如下: 積分肌電值Xiallg,其計(jì)算式為:

4.根據(jù)權(quán)利要求1所述的基于GA-BP神經(jīng)網(wǎng)絡(luò)下肢平地行走步態(tài)識(shí)別方法，其特征在于:步驟2所述的用GA對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化，具體是: (1)種群初始化:個(gè)體編碼方法為實(shí)數(shù)編碼，每個(gè)個(gè)體均為一個(gè)實(shí)數(shù)串，由輸入層與隱含層連接權(quán)值、隱含層閾值、隱含層與輸出層連接權(quán)值以及輸出層閾值4部分組成；個(gè)體包含了神經(jīng)網(wǎng)絡(luò)全部權(quán)值和閾值，在網(wǎng)絡(luò)結(jié)構(gòu)已知的情況下，就可以構(gòu)成一個(gè)結(jié)構(gòu)、權(quán)值、閾值確定的神經(jīng)網(wǎng)絡(luò)； (2)適應(yīng)度函數(shù)的確定 根據(jù)個(gè)體得到BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和閾值，用訓(xùn)練數(shù)據(jù)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)后預(yù)測(cè)系統(tǒng)輸出，把預(yù)測(cè)輸出和期望輸出之間的誤差絕對(duì)值和E作為個(gè)體適應(yīng)度值F，計(jì)算公式為:
5.根據(jù)權(quán)利要求1-4中任一項(xiàng)所述的基于GA-BP神經(jīng)網(wǎng)絡(luò)下肢平地行走步態(tài)識(shí)別方法，其特征在于:步驟2和步驟3中所述的BP神經(jīng)網(wǎng)絡(luò)即誤差反向傳播的神經(jīng)網(wǎng)絡(luò)，其算法基本思想是梯度下降法；它采用梯度搜索技術(shù)，以期使網(wǎng)絡(luò)的輸出值與期望輸出值的誤差均方值為最??；對(duì)優(yōu)化之后的BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，以方差值樣本為例，用于訓(xùn)練BP網(wǎng)絡(luò)包括輸入層神經(jīng)元、隱含層輸出神經(jīng)元和輸出神經(jīng)元； BP網(wǎng)絡(luò)的訓(xùn)練過(guò)程如下:正向傳播是輸入信號(hào)從輸入層經(jīng)隱含層傳向輸出層，若輸出層得到了期望的輸出，則學(xué)習(xí)算法結(jié)束；否則，轉(zhuǎn)至反向傳播； 網(wǎng)絡(luò)學(xué)習(xí)算法如下: (O前向傳播:計(jì)算網(wǎng)絡(luò)的輸出 Wij為輸入層第i個(gè)神經(jīng)元和隱含層第j個(gè)神經(jīng)元的聯(lián)接權(quán)值，Xi為輸入層第i個(gè)神經(jīng)元向輸出層第j個(gè)神經(jīng)元的輸出，隱含層神經(jīng)元的輸入Xj為所有Xi的加權(quán)之和:
【文檔編號(hào)】G06K9/00GK103699873SQ201310433056
【公開日】2014年4月2日 申請(qǐng)日期:2013年9月22日 優(yōu)先權(quán)日:2013年9月22日
【發(fā)明者】馬玉良, 馬云鵬, 佘青山, 張啟忠, 孟明 申請(qǐng)人:杭州電子科技大學(xué)