【技术实现步骤摘要】
本公开涉及肌电信号解码，更具体地，涉及一种肌电信号运动解码方法、装置、电子设备和存储介质。
技术介绍
1、近些年，机械手被广泛应用至工业、医疗、搜救等各个领域，同时柔性机器人的发展让机械手末端更加的灵活。肌电信号是肌纤维运动单元动作电位在时间和空间上的叠加，可以直接或间接反应对象的运动意图，从而可以提供灵活流畅的人机交互控制策略。对于肌电信号连续运动的实现方法包括有模型和无模型的方法，相比于需要繁琐的特征工程的机器学习，深度学习的方法既可以节省人工特征选取的时间，也可以提高解码的精度。
2、然而，在基于深度学习的肌电信号解码技术中，传统的神经网络模型为了拟合大量数据，模型参数量增加，模型复杂度提升，不仅影响解码准确率，还降低了算法的实用性。
技术实现思路
1、有鉴于此，本公开提供了一种肌电信号运动解码方法、装置、电子设备和存储介质。
2、本公开的一个方面提供了一种肌电信号运动解码方法，包括：响应于运动解码请求，获取由传感器阵列采集的初始肌电信号；对上述初始肌电信号进行预处理，得到第一肌电数据；基于预设采样间隔、预设窗口大小和上述运动解码请求的触发时刻，对上述第一肌电数据进行时间窗降采样处理，得到第二肌电数据；以及将上述第二肌电数据输入基于通道注意力模块的残差网络，得到关节运动信息。
3、根据本公开的实施例，上述将上述第二肌电数据输入基于通道注意力模块的残差网络，得到关节运动信息，包括：对于第i个深度瓶颈块，将第i-1个深度瓶颈块的输出特征输入上述
4、根据本公开的实施例，上述对于第i个深度瓶颈块，将第i-1个深度瓶颈块的输出特征输入上述第i个深度瓶颈块，得到上述第i个深度瓶颈块的输出子特征，包括：对于上述第i个深度瓶颈块，在上述第i个深度瓶颈块为上述第一深度瓶颈块的情况下，利用上述多个卷积层处理上述第i-1个深度瓶颈块的输出特征，得到第一中间特征；以及利用上述注意力模块处理上述第一中间特征，得到上述第i个深度瓶颈块的输出子特征。
5、根据本公开的实施例，上述基于上述第i-1个深度瓶颈块的输出特征和上述第i个深度瓶颈块的输出子特征，得到上述第i个深度瓶颈块的输出特征，包括：将上述第i-1个深度瓶颈块的输出特征和上述第i个深度瓶颈块的输出子特征进行拼接处理，得到上述第i个深度瓶颈块的输出特征。
6、根据本公开的实施例，上述对于第i个深度瓶颈块，将第i-1个深度瓶颈块的输出特征输入上述第i个深度瓶颈块，得到上述第i个深度瓶颈块的输出子特征，包括：对于上述第i个深度瓶颈块，在上述第i个深度瓶颈块为上述第二深度深度瓶颈块的情况下，利用上述至少一个降采样模块处理上述第i-1个深度瓶颈块的输出特征，得到第二中间特征；利用上述多个卷积层处理上述第二中间特征，得到第三中间特征；以及利用上述注意力模块处理上述第三中间特征，得到上述第i个深度瓶颈块的输出子特征。
7、根据本公开的实施例，上述基于上述第i-1个深度瓶颈块的输出特征和上述第i个深度瓶颈块的输出子特征，得到上述第i个深度瓶颈块的输出特征，包括：基于上述至少一个降采样模块各自的降采样步长，确定降采样倍率；基于上述降采样倍率，对上述第i-1个深度瓶颈块的输出特征进行降采样处理，得到第四中间特征；以及将上述第四中间特征和上述第i个深度瓶颈块的输出子特征进行拼接处理，得到上述第i个深度瓶颈块的输出特征。
8、根据本公开的实施例，上述基于预设采样间隔、预设窗口大小和上述运动解码请求的触发时刻，对上述第一肌电数据进行时间窗降采样处理，得到第二肌电数据，包括：基于上述运动解码请求的触发时刻和上述预设窗口大小，确定目标时间窗口；从上述第一肌电数据中截取位于上述目标时间窗口的数据，得到第三肌电数据；以及基于预设采样间隔，对上述第三肌电数据进行降采样处理，得到上述第二肌电数据。
9、根据本公开的实施例，上述预处理的方式包括以下至少一种：带通滤波处理、陷波滤波处理、平滑处理。
10、本公开的另一个方面提供了一种肌电信号运动解码装置，包括：获取模块，用于响应于运动解码请求，获取由传感器阵列采集的初始肌电信号；预处理模块，用于对上述初始肌电信号进行预处理，得到第一肌电数据；降采样处理模块，用于基于预设采样间隔、预设窗口大小和上述运动解码请求的触发时刻，对上述第一肌电数据进行时间窗降采样处理，得到第二肌电数据；以及确定模块，用于将上述第二肌电数据输入基于通道注意力模块的残差网络，得到关节运动信息。
11、本公开的另一方面提供了一种电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个计算机程序，其中，上述一个或多个处理器执行上述一个或多个计算机程序以实现上述方法的步骤。
12、本公开的另一方面提供了一种计算机可读存储介质，其上存储有计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。
13、本公开的另一方面提供了一种计算机程序产品，包括计算机程序或指令，上述计算机程序或指令被处理器执行时实现上述方法的步骤。
14、根据本公开的实施例，通过基于通道注意力模块的残差网络对输入的肌电数据进行处理，利用通道注意力模块自适应地学习每个通道的重要性来调整特征图以提高模型性能，利用残差网络输出解码得到的关节活动信息以减少超参数数量，从而提高了模型的计算效率的同时提高了解码准确度。
本文档来自技高网...【技术保护点】
1.一种肌电信号运动解码方法，包括：
2.根据权利要求1所述的方法，其中，所述基于通道注意力模块的残差网络包括串行连接的M个深度瓶颈块，所述M为大于1的正整数；
3.根据权利要求2所述的方法，其中，所述M个深度瓶颈块包括第一深度瓶颈块，所述第一深度瓶颈块包括注意力模块和多个卷积层；
4.根据权利要求3所述的方法，其中，所述基于所述第i-1个深度瓶颈块的输出特征和所述第i个深度瓶颈块的输出子特征，得到所述第i个深度瓶颈块的输出特征，包括：
5.根据权利要求2所述的方法，其中，所述M个深度瓶颈块包括第二深度瓶颈块，所述第二深度瓶颈块包括注意力模块、至少一个降采样模块和多个卷积层；
6.根据权利要求5所述的方法，其中，所述基于所述第i-1个深度瓶颈块的输出特征和所述第i个深度瓶颈块的输出子特征，得到所述第i个深度瓶颈块的输出特征，包括：
7.根据权利要求1所述的方法，所述基于预设采样间隔、预设窗口大小和所述运动解码请求的触发时刻，对所述第一肌电数据进行时间窗降采样处理，得到第二肌电数据，包括：
8.根据
9.一种肌电信号运动解码装置，包括：
10.一种电子设备，包括：
...【技术特征摘要】
1.一种肌电信号运动解码方法，包括：
2.根据权利要求1所述的方法，其中，所述基于通道注意力模块的残差网络包括串行连接的m个深度瓶颈块，所述m为大于1的正整数；
3.根据权利要求2所述的方法，其中，所述m个深度瓶颈块包括第一深度瓶颈块，所述第一深度瓶颈块包括注意力模块和多个卷积层；
4.根据权利要求3所述的方法，其中，所述基于所述第i-1个深度瓶颈块的输出特征和所述第i个深度瓶颈块的输出子特征，得到所述第i个深度瓶颈块的输出特征，包括：
5.根据权利要求2所述的方法，其中，所述m个深度瓶颈块包括第二深度瓶颈块，所述第二深...
【专利技术属性】
技术研发人员：潘立志，陈哲，王树新，
申请(专利权)人：天津大学医疗机器人与智能系统研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。