摘要
本发明涉及肌肉激活状态评价技术领域,特别涉及一种基于FMG和sEMG信号的肌力预测方法及装置,其中,方法包括:基于FMG技术,采集待测试人员的肌肉活动时产生的肌肉压力信号;基于sEMG技术,采集待测试人员的肌肉活动时产生的肌肉生理电信号;提取肌肉压力信号与肌肉生理电信号的目标时域特征和目标频域特征,并按照目标肌力等级进行标准化处理,以得到处理后的特征,并将处理后的特征输入至目标机器学习模型中,以输出待测试人员的肌肉力量预测结果。由此,解决了相关技术中由于sEMG信号容易受噪声干扰,且需要使用高密度阵列进行信号解析,增加了传感器数量,并且增加了信号处理的难度,降低了肌力预测的鲁棒性的问题。
技术关键词
机器学习模型
时域特征
频域特征
信号特征
电信号
表面肌电图
生理
预测装置
压力
受噪声干扰
频率
处理器
符号
评价技术
训练集
计算机程序产品
模块
信号处理
强度
系统为您推荐了相关专利信息
智能表计
过滤系统
时间序列特征
融合特征
置信度阈值
脑电采集系统
无线通信电路
电压管理芯片
脑电采集装置
SD存储卡
监控方法
工业物联网系统
指数
网络平台
工业物联网技术
像素点
图像处理模块
校验规则
电信号
数据接收系统