一种基于GST和VL-MOBPNN的动作识别方法

作者：尹柏强; 邓影; 王署东; 何怡刚; 李兵; 佐磊

来源：2020-03-05, 中国, ZL202010146752.4.

本发明涉及一种基于GST和VL-MOBPNN的动作识别方法,包括：获取人体下肢肌电信号的样本数据；将电信号进行时频广义S变换,得到时间分辨率较好时的时域累计特性曲线和频率分辨率较好时的频域累计特性曲线；获取信号的特征向量；将特征向量输入学习率可变动量反向传播神经网络进行识别分类,获得分类结果。本发明采用时频广义S变换能对信号进行更加细致的分析,解决了传统时频分析方法中高斯窗窗宽固定的难题；时频广义S变换还引入了高斯窗调节参数,可以根据实际应用中肌电信号的频率分布特点和时频分析侧重点,灵活地调节高斯窗窗宽随频率呈反比变化的速率,更好地适应具体信号的分析和处理,从而提高信号的处理能力。

• 出版日期2020-3-5
• 单位合肥工业大学