买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉电子科技大学申请的专利一种基于原生小波的太极拳动作识别方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116304833B 。

龙图腾网通过国家知识产权局官网在2025-12-16发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310335018.6，技术领域涉及：G06F18/24；该发明授权一种基于原生小波的太极拳动作识别方法是由刘济宁;李巧勤;傅翀;刘勇国;朱嘉静;张云设计研发完成，并于2023-03-31向国家知识产权局提交的专利申请。

本一种基于原生小波的太极拳动作识别方法在说明书摘要公布了：本发明公开了一种基于原生小波的太极拳动作识别方法，首先采集信号数据并进行数据预处理，再通过固定尺度经验模态分解，得到内涵模态分量，对同级尺度内涵模态分量进行融合，然后幅频分量阈值滤波与融合，得到原生小波，多通道融合平滑重构，最终得到一个融合了所有通道特征的融合原生小波，最后利用得到的融合原生小波从连续信号中进行太极拳动作识别。本发明的方法不需要进行人工特征提取，避免了先验知识对识别效果带来的干扰，不需要使用机器学习模型或深度学习网络，提升识别的实时性，同时提高了所提算法的通用性，相较其他识别网络或算法，不仅可以识别一段连续信号中包含哪些子成分，还能够准确定位这些子成分发生的时间段。

本发明授权一种基于原生小波的太极拳动作识别方法在权利要求书中公布了：1.一种基于原生小波的太极拳动作识别方法，具体步骤如下： S1、进行信号数据采集； S2、对步骤S1采集到的数据预处理； S3、固定尺度经验模态分解，得到内涵模态分量； S4、基于步骤S3，对同级尺度内涵模态分量进行融合； S5、幅频分量阈值滤波与融合，得到原生小波； S6、多通道融合平滑重构，最终得到一个融合了所有通道特征的融合原生小波； 所述步骤S6具体如下： 计算两个通道的原生小波之间的距离相关系数得到两块肌肉之间的连携性，对具有一定程度连携性的通道数据进行加权融合； 其中，距离相关系数的计算方法如下： X与Y分别表示两个通道的原生小波信号序列，即与首先计算各个连续变量包含的所有元素成对距离： ap,q＝‖Xp-Xq‖,p,q＝1,2,…,n bp,q＝‖Yp-Yq‖,p,q＝1,2,…,n 其中，Xp表示通道X信号序列的第p个时间点数据，Xq表示通道X信号序列的第q个时间点数据，Yp表示通道Y信号序列的第p个时间点数据，Yq表示通道Y信号序列的第q个时间点数据，n表示信号序列的长度，ap,q与bp,q分别表示X与Y各自元素间的距离； 然后对所有的成对距离进行中心化处理，计算中心距离矩阵： 其中，表示距离矩阵A第p行平均值，表示距离矩阵A第q列平均值，表示距离矩阵A的平均值，表示距离矩阵B第p行平均值，表示距离矩阵B第q列平均值，表示距离矩阵B的平均值； 计算序列X和Y的距离协方差： 再分别计算序列X和Y的方差： 最后得到X和Y的距离相关系数： 通过以上计算，对C个通道所得到的C个原生小波序列可以得到个相关系数值，形成集合ρ，ρij表示通道i和通道j之间的相关系数，设置相关性阈值γ，对相关系数进行过滤，保留高于γ的相关系数，基于过滤后留下相关系数ρij及其对应的两个通道的原生小波信号序列与构建图GV，E，节点集V表示C个通道对应的原生小波，边集E的值代表通道数据之间的相关系数ρij，两个节点之间由值为其所对应的两个通道间相关系数的无向边连接，先计算图中每个节点的度，随后从度最小的节点开始遍历加权融合，即寻找图G中度最小的节点，以加权融合方式更新其所有邻居节点对应的原生小波，融合后删除度最小的节点及其邻边，融合方法如下： 其中，表示两个节点中度较大者对应的原生小波，表示两个节点中度较小者对应的原生小波； 进行多轮遍历和迭代后，只剩下一个节点，最终得到一个融合了所有通道特征的融合原生小波，表示为即动作g的融合原生小波； S7、利用步骤S6得到的融合原生小波从连续信号中进行太极拳动作识别； 所述步骤S7具体如下： 基于上述步骤S1-S6，每一个太极拳动作都得到一个融合原生小波，共得到G个融合原生小波利用这些融合原生小波来分析整体连续动作所包含的动作； 采集习者太极拳训练过程的肌电信号，对于待识别信号，用每一个融合原生小波分别对该信号进行一次加窗识别，最终得到G个识别的结果，具体如下： 首先提出一种信号的伸缩方法，对于信号序列数据，计其各采样点之间的距离为d，通过更改该d的值即可对信号进行不同尺度的伸缩；将d更改为d′时，其伸缩变换度为若ret大于1则为伸变换，小于1则为缩变换； 将待识别的信号序列记为SΔ，时间节点t的采样点记为SΔt；待识别信号长度达到一个融合原生小波的长度，进行如下操作： 1按步骤S2的方法对待识别信号序列进行预处理； 2从头对序列进行加窗，使窗的长度与融合原生小波长度相同； 3对融合原生小波进行不同程度的伸缩变换，但要使融合原生小波的采样点能够与待识别序列的采样点相对应，对不同的伸缩变换程度也分别加窗； 4窗的移动步长为1个采样点，持续信号每新产生一个采样点即可以移动一步；计算窗内各采样点与融合原生小波对应数据点之间的皮尔逊系数，得到一系列R值，并同时记录所有R值所对应的时间节点； 5每计算一个R值就与设定的阈值QΔ进行比较，对于大于阈值的R值，说明该序列存在该动作，并且能够准确定位该动作发生的时间段，即该R值所对应的时间节点；若小于阈值，则说明该时间节点下的序列段与该动作不相符；进行一次比较后，继续进行接下来的计算与比较，若全部小于阈值，则说明该序列不存在该动作； 其中，皮尔逊系数的计算公式如下： 其中，i表示采样的各个时间节点的索引序号，表示动作g的融合原生小波信号序列强度的平均值，表示窗口内待识别信号序列强度的平均值； 将所有动作的融合原生小波都如上述与待识别的信号序列进行比对，从而识别出该待识别信号的动作。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。