公开(公告)号：CN114063787A

公开(公告)日：2022-02-18

申请号：CN202111396749.9

申请日：2021-11-23

Applicant: 哈尔滨工程大学

Inventor： 王鹤翔 ,  许德新 ,  张建强 ,  张原野 ,  冯帝

IPC: G06F3/01 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于EMG和IMU数据的深度学习处理分析方法，包括：得到每种手势动作对应的EMG和IMU数据信号；去偏置处理、进行小波降噪处理；对ACC信号进行滤波操作，对处理后的信号进行数据分割操作；将处理后的EMG信号和ACC信号数据进行融合，将数据融合后得到的数据每一行对应的手势动作按顺序依次存入矩阵中，得到的矩阵形状为n行1列，其中n为数据融合数组的行数；对数据融合数组里的元素进行归一化处理；选用CNN作为数据的识别模型，并对原始CNN做出修改。其上操作全部完成后即可将数据投入到模型中进行训练，经实验验证通过该方法处理分析的数据有效实现了在提高模型识别速度的前提下保证较高的识别率。

公开(公告)号：CN114063787B

公开(公告)日：2023-09-19

申请号：CN202111396749.9

申请日：2021-11-23

Applicant: 哈尔滨工程大学

Inventor： 王鹤翔 ,  许德新 ,  张建强 ,  张原野 ,  冯帝

IPC: G06F3/01 ,  G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06V10/30 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于EMG和IMU数据的深度学习处理分析方法，包括：得到每种手势动作对应的EMG和IMU数据信号；去偏置处理、进行小波降噪处理；对ACC信号进行滤波操作，对处理后的信号进行数据分割操作；将处理后的EMG信号和ACC信号数据进行融合，将数据融合后得到的数据每一行对应的手势动作按顺序依次存入矩阵中，得到的矩阵形状为n行1列，其中n为数据融合数组的行数；对数据融合数组里的元素进行归一化处理；选用CNN作为数据的识别模型，并对原始CNN做出修改。其上操作全部完成后即可将数据投入到模型中进行训练，经实验验证通过该方法处理分析的数据有效实现了在提高模型识别速度的前提下保证较高的识别率。