基于表面肌电信号的手势识别方法、系统及设备.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115840505A(43)申请公布日2023.03.24(21)申请号202211556731.5(22)申请日2022.12.06(71)申请人北京科技大学地址100083北京市海淀区学院路30号申请人北京科技大学顺德创新学院(72)发明人肖文栋冯子阳刘璐瑶张杰王骋张玭(74)专利代理机构北京创赋致远知识产权代理有限公司11972专利代理师邱晓宁(51)Int.Cl.G06F3/01(2006.01)G06N3/08(2023.01)G06N3/0464(2023.01)权利要求书2页说明书8页附图5页(54)发明名称基于表面肌电信号的手势识别方法、系统及设备(57)摘要本发明提供一种基于表面肌电信号的手势识别方法、系统及设备，方法包括：在服务器中初始化模型，建立联合模型；客户端采集本地数据；服务器向客户端广播联合模型；客户端使用其本地数据在客户端训练联合模型，形成客户端模型；将客户端模型的参数矩阵上传服务器；服务器基于参数矩阵获得新联合模型的参数矩阵；达到预设的更新轮次后，得到最终联合模型。本方案在数据稀缺的情况下能有效减少跨域带来的影响，将多个拥有小型数据集的客户端结合，在保护数据隐私的前提下训练具有较强泛化能力的联合模型，当遇到新数据时，通过在联合模型上进行参数微调，可以在短时间内获得在新数据上有较好表现的网络模型。CN115840505ACN115840505A权利要求书1/2页1.基于表面肌电信号的手势识别方法，其特征在于，所述方法包括：S1、在服务器中初始化模型，建立联合模型；客户端采集本地数据；S2、服务器向客户端广播联合模型的参数矩阵W0及网络结构；S3、客户端使用其本地数据在客户端训练所述联合模型，并形成客户端模型；S4、将所述客户端模型的参数矩阵WA0…WK0上传至服务器；其中A…K代表客户端A…客户端K；S5、服务器基于参数矩阵WA0…WK0获得新联合模型的参数矩阵；S6、重复步骤S2至S5，直至达到预设的更新轮次，获得最终联合模型。2.根据权利要求1所述的方法，其特征在于，所述S1中，联合模型结构为：数据输入端顺次连接卷积层一、卷积层二，卷积层二依次连接全连接层一、全连接层二；所述卷积层一、卷积层二各自包含依次连接的一个卷积层、一个ReLU层、一个最大池化层；所述全连接层一设置128个隐藏单元，所述全连接层二设置8个隐藏单元；所述全连接层一与全连接层二之间，设置一丢失层；所述全连接层二连接softmax分类器。3.根据权利要求2所述的方法，其特征在于，所述卷积层一、卷积层二分别设置64个卷积核；所述卷积核尺寸为3。4.根据权利要求2所述的方法，其特征在于，所述S5中，获得新联合模型的参数矩阵的方式为：其中，Wf+1表示第f次计算后获得的新联合模型的参数矩阵，Wkf是第k个客户端在f‑1次返回的参数矩阵，m是所有客户端数据样本数之和，nk是第k客户端的数据样本数。5.根据权利要求2所述的方法，其特征在于，所述S6后，还包括：S7、固定最终联合模型的卷积层一、卷积层二的参数，至少部分地基于目标数据集中的数据，训练所述联合模型的全连接层一、全连接层二的参数，获得针对目标数据集的目标网络模型。6.根据权利要求1所述的方法，其特征在于，所述S1中客户端采集本地数据进一步包括：所述信号为sEMG信号；对采集的数据使用3阶巴特沃斯带通滤波器进行预处理，并为采集的数据增加时间戳。7.基于表面肌电信号的手势识别系统，其特征在于，所述系统包括服务器端，及与服务器端连接的多个客户端；所述服务器端包括模型建立模块、收发模块、循环控制模块；所述模型建立模块用于初始化模型，以建立联合模型；并基于参数矩阵WA0…WK0获得新联合模型的参数矩阵；以及形成最终联合模型；所述收发模块，用于向客户端广播联合模型的参数矩阵W0及网络结构，以及接收客户端模型的参数矩阵WA0…WK0，其中A…K代表客户端A…客户端K；2CN115840505A权利要求书2/2页所述循环控制模块，用于记录预设的更新轮次，并判断是否达到了预设的更新轮次；所述客户端包括数据采集模块、客户端模型模块；所述数据采集模块，用于采集本地数据；所述客户端模型模块，用于使用其本地数据在客户端训练所述联合模型，并形成客户端模型。8.根据权利要求7所述的系统，其特征在于，所述联合模型结构为：数据输入端顺次连接卷积层一、卷积层二，卷积层二依次连接全连接层一、全连接层二；所述卷积层一、卷积层二各自包含依次连接的一个卷积层、一个ReLU层、一个最大池化层；所述全连接层一设置128个隐藏单元，所述全连接层二设置8个隐藏单元；所述全连接层一与全连接层二之间，设置一丢失层；所述全连接层二连接softmax分类器。9.根据权利要求