摘要
本发明公开了基于表面肌电和脉搏波的肌肉疲劳状态检测方法及系统,具体涉及一种基于融合sEMG和PPG的交互注意力特征增强的肌肉疲劳状态分类的技术领域。本发明设计Transformer编码器的交互多头注意力机制,将PPG作为辅助和补充信息,增强sEMG时空图的表示,将PPG模态整合到时空图模态中。通过结合两种模态信号的特征,充分考虑影响肌肉疲劳的因素,以达到更准确的分类效果。通过交互多头注意力机制将其他相关模态的信息异步整合到时空图模态中,实现了通过多模态信号特征提取以达到更准确的分类效果。同时,结合Transformer编码器和LSTM模型充分且同时提取sEMG时空图模态和PPG一维信号模态的特征,充分学习多种模态的特征。
技术关键词
肌肉疲劳状态
表面肌电信号
脉搏
多模态传感器
多头注意力机制
人工智能模型
光电
容积
性能测试平台
信号特征提取
交互注意力
深度学习算法
可读存储介质
通道
软件
编码器
存储器
处理器
系统为您推荐了相关专利信息
异常检测方法
二维快速傅里叶变换
重建误差
双线性插值
工业
多头注意力机制
序列
充放电循环次数
粒子群优化算法
数据
损伤预测方法
物理
指数加权移动平均值
参数
生成数据集
协作策略
矩阵
高频特征
主成分分析算法
多模型协同
模型训练方法
光电脉搏波信号
生成训练数据
中医诊断设备
电信号