基于表面肌電信號(hào)的性別差異性手勢(shì)識(shí)別

雷建超，劉棟博，房玉，莊祖江，劉俊豪

西華大學(xué)電氣與電子信息學(xué)院，四川成都611730

前言

早期的肢體殘疾者無(wú)法重新獲得肢體能力，只能通過(guò)塑料假肢進(jìn)行偽裝。隨著康復(fù)醫(yī)學(xué)的發(fā)展，基于表面肌電信號(hào)（Surface Electromyographic Signals,sEMG）的手勢(shì)識(shí)別逐漸成為了研究熱點(diǎn)［1-4］。通過(guò)對(duì)sEMG進(jìn)行分析處理，可得到手勢(shì)的動(dòng)作信息，機(jī)器學(xué)習(xí)的發(fā)展使得對(duì)sEMG的研究更加深入［5］。目前，對(duì)于sEMG的識(shí)別分類(lèi)有許多方法，但大都沒(méi)有考慮年齡和性別等因素。同一手勢(shì)不同個(gè)體的sEMG存在差異性，不利于動(dòng)作的識(shí)別［6-7］。

王文蕾［8］對(duì)不同性別的人體下肢關(guān)于肌肉的活動(dòng)狀態(tài)進(jìn)行研究，分析下肢肌肉的相關(guān)指標(biāo)在活動(dòng)時(shí)的主要工作肌肉。顧倩等［9］對(duì)不同性別在運(yùn)動(dòng)時(shí)斜上方肌、胸大肌及前鋸肌對(duì)肌電信號(hào)的影響進(jìn)行研究。Jochumsen 等［10］研究不同個(gè)體同一手臂位置對(duì)sEMG識(shí)別的影響，實(shí)驗(yàn)結(jié)果表明個(gè)體差異性會(huì)影響識(shí)別結(jié)果；都明宇等［11］通過(guò)改進(jìn)決策樹(shù)支持向量機(jī)對(duì)手勢(shì)動(dòng)作進(jìn)行分類(lèi)，平均識(shí)別率達(dá)到88.9%。

為了解決性別差異性問(wèn)題以及提高手勢(shì)識(shí)別率，本研究提出滑動(dòng)平均能量與能量補(bǔ)償相結(jié)合的方法，利用小波包分解提取特征，通過(guò)粒子群優(yōu)化支持向量機(jī)（Particle Swarm Optimization-Support Vector Machine,PSO-SVM）對(duì)10種手勢(shì)進(jìn)行識(shí)別。

1 數(shù)據(jù)處理與特征提取

1.1 數(shù)據(jù)分割與能量補(bǔ)償

數(shù)據(jù)分割主要是通過(guò)滑動(dòng)平均能量對(duì)sEMG 的活動(dòng)段進(jìn)行檢測(cè)，探測(cè)動(dòng)作電位的開(kāi)始和結(jié)束位置，實(shí)現(xiàn)對(duì)數(shù)據(jù)的分割，對(duì)手勢(shì)特征提取與識(shí)別有重要作用［12-13］。由于靜止?fàn)顟B(tài)能量與活動(dòng)狀態(tài)下的能量差距很大，通過(guò)對(duì)能量的區(qū)分，可以分割出動(dòng)作段與靜止段。在進(jìn)行滑動(dòng)窗取值時(shí)需要滿足窗口大小與增量之和不超過(guò)300 ms［14-15］。

實(shí)驗(yàn)根據(jù)sEMG 的采集頻率將窗口長(zhǎng)度劃分為K，并且以小于K的增量L進(jìn)行移動(dòng)（圖1a）。sEMG的采集頻率為2 000 Hz，采集時(shí)間為10 s。將窗口的長(zhǎng)度設(shè)置為320個(gè)序列點(diǎn)（即160 ms），窗口的增量設(shè)置為80 個(gè)序列點(diǎn)（即40 ms），然后根據(jù)式（1）對(duì)分割的窗口計(jì)算其能量值：

其中，x(t)表示連續(xù)信號(hào)；X［n］表示離散信號(hào)；E可分別表示連續(xù)信號(hào)和離散信號(hào)的能量計(jì)算；Ts為連續(xù)信號(hào)窗寬的時(shí)間；N表示采樣序列的總長(zhǎng)度；n表示數(shù)據(jù)的序列號(hào)。

將式（1）計(jì)算出的能量與定義的閾值T進(jìn)行比較，閾值是通過(guò)幾個(gè)不同個(gè)體的靜止?fàn)顟B(tài)能量總和的平均值所表示。能量閾值的計(jì)算見(jiàn)式（2）：

其中，Eq是采集的靜止?fàn)顟B(tài)的能量值；n為參與計(jì)算的個(gè)數(shù)。當(dāng)檢測(cè)到某一個(gè)時(shí)刻的信號(hào)能量值大于閾值T且能持續(xù)一段時(shí)間，則認(rèn)為該段時(shí)間為動(dòng)作段，如果某一時(shí)刻小于閾值T且能持續(xù)一段時(shí)間，則認(rèn)為是靜止段，從而判斷動(dòng)作的起始位置（圖1b）。

圖1 數(shù)據(jù)分割與起始點(diǎn)判斷Fig.1 Data segmentation and starting point determination

執(zhí)行同一手勢(shì)動(dòng)作時(shí)，男性的活動(dòng)段能量值大于女性，為了增大女性活動(dòng)段的能量值，通過(guò)閾值T對(duì)sEMG的能量進(jìn)行判定，并對(duì)女性活動(dòng)段進(jìn)行能量補(bǔ)償，以提高手勢(shì)的特征辨識(shí)：

m1是通過(guò)對(duì)數(shù)據(jù)分割得到的女性動(dòng)作電位段的能量峰值，在動(dòng)作段范圍內(nèi)設(shè)定一個(gè)補(bǔ)償系數(shù)b，通過(guò)補(bǔ)償系數(shù)調(diào)整女性動(dòng)作段的能量值，得到補(bǔ)償后的能量值為Eb，補(bǔ)償系數(shù)b由同一手勢(shì)動(dòng)作的男性動(dòng)作段與女性動(dòng)作段能量值的比值進(jìn)行確定，這里b取值1.3。從測(cè)試者中選擇一名女性sEMG，利用能量補(bǔ)償對(duì)其活動(dòng)段進(jìn)行補(bǔ)償，結(jié)果如圖2所示。

圖2 能量補(bǔ)償Fig.2 Energy compensation

1.2 小波包分解

小波包分解能夠?qū)Φ皖l部分和高頻部分同時(shí)進(jìn)行分解，是一種更精細(xì)的信號(hào)分析方法［16-17］。對(duì)一個(gè)單通道的sEMG 利用小波包進(jìn)行3 層分解，在第三層空間將包含8 個(gè)子空間，對(duì)這8 個(gè)不同尺度的信號(hào)頻段計(jì)算其能量值：

其中，E(j,n)表示在分解第j層上第n個(gè)節(jié)點(diǎn)的能量值；ps(n,j,k)是小波包變換系數(shù)［18］。

對(duì)圖3 中補(bǔ)償后的女性sEMG 提取特征，從測(cè)試者中在選擇一名女性sEMG進(jìn)行補(bǔ)償并提取特征，將兩名女性補(bǔ)償前后的特征矢量進(jìn)行對(duì)比，如圖3 所示。通過(guò)補(bǔ)償結(jié)果可以看出，經(jīng)過(guò)補(bǔ)償后提取的特征與未補(bǔ)償?shù)膕EMG特征區(qū)別明顯。較補(bǔ)償前相比，兩名女性動(dòng)作段特征矢量值都有所增大，而靜止段的特征分布則基本不變，提高了動(dòng)作段的特征分辨能力。

2 PSO-SVM

2.1 粒子群優(yōu)化算法

粒子群優(yōu)化算法最早是由Kennedy等［19］提出的，設(shè)置好種群規(guī)模、粒子初始速度和初始位置，對(duì)粒子的速度和位置進(jìn)行迭代更新：

其中，w為慣性權(quán)重；V為粒子的速度；X是粒子的位置；r1和r2為分布在［0,1］區(qū)間的隨機(jī)數(shù)；Pi和Pg分別表示個(gè)體極值和群體極值，算法通過(guò)對(duì)粒子的速度和位置進(jìn)行更新來(lái)尋找最優(yōu)參數(shù)。學(xué)習(xí)因子c1和c2是粒子群優(yōu)化算法中的兩個(gè)重要參數(shù)，對(duì)算法的性能有著重要意義，其范圍為［0,4］［20］。

為平衡粒子向自身經(jīng)驗(yàn)和群體經(jīng)驗(yàn)學(xué)習(xí)的能力，一般c1和c2取相同的值，這里取c1=c2=1.6。

2.2 多分類(lèi)支持向量機(jī)

支持向量機(jī)的多分類(lèi)是在二分類(lèi)的基礎(chǔ)上發(fā)展來(lái)的，通過(guò)核函數(shù)將樣本映射到高維空間，超平面間將空間劃分為多個(gè)區(qū)域進(jìn)行分類(lèi)［21-22］。本研究選擇的是高斯徑向基核函數(shù)［23］：

σ 核函數(shù)參數(shù)影響著樣本映射到高維空間后的分布，因此本研究選擇粒子群優(yōu)化算法對(duì)核函數(shù)參數(shù)進(jìn)行優(yōu)化，從而提高分類(lèi)的準(zhǔn)確率。

3 實(shí)驗(yàn)與結(jié)果

3.1 實(shí)驗(yàn)

實(shí)驗(yàn)設(shè)備采用的是Delays Myomonitor ⅠV（美國(guó)Delays Ⅰnc.），采集頻率為2 000 Hz，4 通道輸入信號(hào)，采集肌群為伸指總?。?號(hào)電極）、尺側(cè)屈腕?。?號(hào)電極）、外展拇長(zhǎng)肌（3 號(hào)電極）、伸拇短?。? 號(hào)電極）。手勢(shì)動(dòng)作及電極安裝位置如圖4所示，本研究識(shí)別的10種手勢(shì)動(dòng)作類(lèi)型如表1所示。

圖4 手勢(shì)動(dòng)作及電極安裝位置Fig.4 Hand gestures and electrode installation positions

表1 手部動(dòng)作類(lèi)型表Tab.1 Types of hand gestures

實(shí)驗(yàn)共采集20位受試者，其中，男12位，女8位，年齡20～26 歲，20 位受試者自愿參加數(shù)據(jù)采集工作，無(wú)神經(jīng)肌肉疾病史，并簽署知情同意書(shū)。按照表1的10 類(lèi)手勢(shì)動(dòng)作順序采集，每個(gè)動(dòng)作采集1 次，為避免肌肉疲勞，每次采集間隔5 s休息時(shí)間。

3.2 結(jié)果與分析

實(shí)驗(yàn)采集數(shù)據(jù)為200 組。利用小波包的不同小波函數(shù)對(duì)預(yù)處理后的信號(hào)進(jìn)行特征提取，140 組為訓(xùn)練樣本，60 組為測(cè)試樣本，通過(guò)支持向量機(jī)對(duì)sEMG識(shí)別結(jié)果見(jiàn)表2。由表2 可以看出，在小波基Db4 下提取的最大奇異值作為特征比其余4 種特征識(shí)別效果更好，因此本研究選擇Db4作為小波包分解的小波函數(shù)。將所有的女性sEMG 的樣本分為補(bǔ)償和未補(bǔ)償，分別與男性的樣本組兩個(gè)樣本集，并送入支持向量機(jī)與PSO-SVM，識(shí)別率變化如圖5所示。

表2 不同小波基下的平均識(shí)別率（%）Tab.2 Average recognition rate under different wavelet bases(%)

圖5 補(bǔ)償前后識(shí)別率對(duì)比Fig.5 Comparison of recognition rates before and after compensation

從圖5可以看出補(bǔ)償后識(shí)別率有所提高，在支持向量機(jī)分類(lèi)下補(bǔ)償后比未補(bǔ)償識(shí)別率提高了5.3%，在PSO-SVM 分類(lèi)下補(bǔ)償后比未補(bǔ)償識(shí)別率提高了4.7%。數(shù)據(jù)分割與能量補(bǔ)償減小了不同性別同一手勢(shì)sEMG 之間的能量差異，增大了女性sEMG 特征的辨識(shí)度，提高了手勢(shì)識(shí)別率。相比較未補(bǔ)償支持向量機(jī)的識(shí)別率81.3%，補(bǔ)償后的PSO-SVM 識(shí)別率有大幅提高，達(dá)到96.7%。補(bǔ)償后的樣本在PSO-SVM中進(jìn)行分類(lèi)，識(shí)別結(jié)果如圖6所示。

圖6 補(bǔ)償后的分類(lèi)結(jié)果Fig.6 Classification results after compensation

圖6 的手勢(shì)分類(lèi)順序與表1 對(duì)應(yīng)，手勢(shì)7“勝利”（VC）錯(cuò)分了一個(gè)樣本點(diǎn)到手勢(shì)6“OK”，手勢(shì)8“上彎”（SW）錯(cuò)分一個(gè)樣本點(diǎn)到手勢(shì)9“屈腕”（QW），兩個(gè)錯(cuò)分的樣本點(diǎn)為同一動(dòng)作類(lèi)型“精準(zhǔn)手勢(shì)”和“腕部動(dòng)作”，即錯(cuò)分的手勢(shì)為相似性動(dòng)作間的分類(lèi)，其余樣本點(diǎn)分類(lèi)正確。

為對(duì)比單個(gè)手勢(shì)識(shí)別率和補(bǔ)償前后的變化，將其分為未補(bǔ)償未優(yōu)化（N-SVM）、補(bǔ)償未優(yōu)化（Y-SVM）、未補(bǔ)償優(yōu)化（N-PSO-SVM）、補(bǔ)償且優(yōu)化（Y-PSO-SVM），識(shí)別率如表3所示，手勢(shì)分類(lèi)順序與表1對(duì)應(yīng)，結(jié)果表明單個(gè)手勢(shì)識(shí)別率均有所提高。

表3 單個(gè)手勢(shì)識(shí)別率（%）Tab.3 Single gesture recognition rate(%)

4 結(jié)論

本研究基于sEMG的性別差異性問(wèn)題，通過(guò)滑動(dòng)平均能量對(duì)sEMG進(jìn)行數(shù)據(jù)分割，利用能量補(bǔ)償?shù)姆绞綄?duì)女性的動(dòng)作段進(jìn)行補(bǔ)償，減小了男女之間同一手勢(shì)sEMG的能量差異，提高了女性動(dòng)作段特征的辨識(shí)度，有效降低了性別差異性，10 種手勢(shì)的平均識(shí)別率達(dá)到96.7%。

通過(guò)能量補(bǔ)償提高特征辨識(shí)在解決性別差異性中有重要意義，同一設(shè)備對(duì)不同性別的人群在進(jìn)行康復(fù)訓(xùn)練時(shí)會(huì)導(dǎo)致識(shí)別率低，患者康復(fù)訓(xùn)練困難。利用能量補(bǔ)償?shù)姆绞娇芍苯臃糯髣?dòng)作的特征點(diǎn)，有利于分類(lèi)器的識(shí)別，提升假肢者的康復(fù)訓(xùn)練效果，具有一定的應(yīng)用前景。