公开(公告)号：CN110473603B

公开(公告)日：2022-04-12

申请号：CN201910614764.2

申请日：2019-07-09

Applicant: 大连理工大学

Inventor： 张元良 ,  程绍珲 ,  蒋攀 ,  孙源 ,  贾海生 ,  杨贺 ,  宫迎娇

IPC: G16H20/30 ,  G06N20/10 ,  G06N3/04 ,  G06N3/08 ,  A61B5/397 ,  A61B5/00

Abstract: 本发明一种基于肌电信号的健身辅助方法属于模式识别与人工智能技术领域,涉及一种基于肌电信号的健身辅助方法。该方法通过电极片对人体表面肌电信号进行采集，并通过多种采集电路对人体表面肌电信号进行处理，将处理后的肌电信号传至上位机，对信号进行特征值提取。通过机器学习的SVM支持向量机作为判定动作是否标准的分类器模型，分别使用线性核与不同λ参数的高斯核，分别进行SVM模型训练，选择训练效果最好的模型健身动作标准判定。通过三层BP神经网络作为对动作进行分类的分类器模型，以提取到的特征值作为神经网络的输入神经元。使用RELU函数作为激活函数，实现输入信息的非线性映射，训练后得到分类器模型实现动作识别,有很高的准别率。

公开(公告)号：CN110473603A

公开(公告)日：2019-11-19

申请号：CN201910614764.2

申请日：2019-07-09

Applicant: 大连理工大学

Inventor： 张元良 ,  程绍珲 ,  蒋攀 ,  孙源 ,  贾海生 ,  杨贺 ,  宫迎娇

IPC: G16H20/30 ,  G06N20/10 ,  G06N3/04 ,  G06N3/08 ,  A61B5/0488 ,  A61B5/00

Abstract: 本发明一种基于肌电信号的健身辅助方法属于模式识别与人工智能技术领域,涉及一种基于肌电信号的健身辅助方法。该方法通过电极片对人体表面肌电信号进行采集，并通过多种采集电路对人体表面肌电信号进行处理，将处理后的肌电信号传至上位机，对信号进行特征值提取。通过机器学习的SVM支持向量机作为判定动作是否标准的分类器模型，分别使用线性核与不同λ参数的高斯核，分别进行SVM模型训练，选择训练效果最好的模型健身动作标准判定。通过三层BP神经网络作为对动作进行分类的分类器模型，以提取到的特征值作为神经网络的输入神经元。使用RELU函数作为激活函数，实现输入信息的非线性映射，训练后得到分类器模型实现动作识别,有很高的准别率。