公开(公告)号：CN115826767A

公开(公告)日：2023-03-21

申请号：CN202310158897.X

申请日：2023-02-24

申请人： 长春理工大学

发明人： 李奇 ,  张安元 ,  高宁 ,  武岩 ,  徐思嘉

IPC分类号： G06F3/01 ,  G06F18/214 ,  G06F18/2415 ,  A61B5/397 ,  A61B5/00

摘要： 多模态跨被试上肢动作识别模型及其构建方法和应用方法，涉及上肢动作识别领域，包括数据采集及预处理；将预处理后的数据划分为训练集、校准集和测试集；信号分割及网络特征图构建；多模态跨被试上肢动作识别模型的构建；多模态跨被试上肢动作识别模型的训练、微调及测试。本发明使用多模态信号（sEMG信号和姿态角信号）+FT策略，通过构建多模态跨被试上肢动作识别模型学习多个被试个体间的共同特征，使用多模态信号增加被试个体间数据分布的相似性，减少了被试个体间的数据分布差异，提高了模型的训练效率和对被试上肢动作的识别正确率，减少了模型训练时间，降低了被试训练负担，提高了模型实用性。

公开(公告)号：CN115826767B

公开(公告)日：2023-06-30

申请号：CN202310158897.X

申请日：2023-02-24

申请人： 长春理工大学

发明人： 李奇 ,  张安元 ,  高宁 ,  武岩 ,  徐思嘉

IPC分类号： G06F3/01 ,  G06F18/214 ,  G06F18/2415 ,  A61B5/397 ,  A61B5/00

摘要： 多模态跨被试上肢动作识别模型及其构建方法和应用方法，涉及上肢动作识别领域，包括数据采集及预处理；将预处理后的数据划分为训练集、校准集和测试集；信号分割及网络特征图构建；多模态跨被试上肢动作识别模型的构建；多模态跨被试上肢动作识别模型的训练、微调及测试。本发明使用多模态信号（sEMG信号和姿态角信号）+FT策略，通过构建多模态跨被试上肢动作识别模型学习多个被试个体间的共同特征，使用多模态信号增加被试个体间数据分布的相似性，减少了被试个体间的数据分布差异，提高了模型的训练效率和对被试上肢动作的识别正确率，减少了模型训练时间，降低了被试训练负担，提高了模型实用性。