摘要
本申请提出了一种基于生成式对抗网络的肌电信号应用方法及系统,该方法包括:采集少量的真实肌电信号并进行预处理;通过Transformer模型对WGAN‑GP模型进行改进,构建WGAN‑GP模型中的生成器和判别器;利用真实肌电信号和随机噪声,对WGAN‑GP模型进行训练,通过训练完成的WGAN‑GP模型生成大量与真实肌电信号相似的伪造肌电信号;对真实肌电信号和伪造肌电信号进行深度学习,利用深度学习得到的模型和采集的用户实时肌电信号,识别用户当前的人体运动意图并预测未来的人体运动意图。该方法基于改进后的生成式对抗网络对采集的肌电信号进行数据增强,利用扩充后的肌电信号可以准确识别和预测人体运动意图,提高肌电信号应用的准确性和智能性。
技术关键词
电信号
运动意图
GP模型
生成式对抗网络
外骨骼设备
随机噪声
频域滤波器
非临时性计算机可读存储介质
人体关节角度
深度学习模型
上采样
模块
数据
关系
标签
注意力
参数
系统为您推荐了相关专利信息
脑电信号识别方法
卷积神经网络模型
频域特征
正则化参数
正则化方法
光伏发电数据
光伏电站
状态监控模块
曲线
光伏发电预测
四足机器人
发射组件
土工膜
升降压模块
主控系统
融合心电信号
复发预测方法
机器学习模型
多导联心电信号
非线性特征