(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111122575.7 (22)申请日 2021.09.24 (71)申请人 中国地质大 学 （武汉） 地址 430000 湖北省武汉市洪山区鲁磨路 388号 (72)发明人 赵娟　佘锦华　王典洪　吴敏　 王峰　 (74)专利代理 机构 武汉知产时代知识产权代理 有限公司 42 238 代理人 万文广 (51)Int.Cl. G06N 3/00(2006.01) G06F 30/27(2020.01) (54)发明名称 融合复合混沌映射与果蝇优化的最优变分 模态分解方法 (57)摘要 本发明提供了一种融合复合混沌映射与果 蝇优化的最优变 分模态分解方法， 该最优变分模 态分解方法以VMD为基础， 将融合标准FOA与3维 logistic ‑sine映射的改进型混沌FOA算法应用 于传统VMD的算法， 优化了3个关键参数的寻优 过 程， 使信号能够根据本身的特点被自适应地分 解。 本发明的有益效果是： 本发明的算法有更佳 的寻优性能， 并且将FOA的搜索空间从2维拓展 为 3维； 使用此改进型混沌 FOA算法提高了算法的高 维空间搜索能力， 可以快速、 准确地搜索3维空间 内的三个关键参数的最佳组合解。 因此， 本发明 专利提出方法能自适应地分解非平稳信号， 且所 得到的IMF分量间没有模态混叠现象。 该方法也 为sEMG的去噪提供了一种新的方法， 具有广阔的 应用前景。 权利要求书2页 说明书8页 附图1页 CN 113902086 A 2022.01.07 CN 113902086 A 1.一种融合复合混沌映射与果蝇优化的最优变分模态分解方法， 其特征在于： 包括以 下步骤： S1： 初始化变分模态分解方法， 然后对采集原始的表面肌电信号进行自适应分解， 得到 一组本征模态函数IMF； S2： 根据三维FOA算法和三维Logistic ‑Sine混沌复合映射函数， 构建改进的混沌FOA模 型； 利用所述IMF， 根据该改进的混沌FOA模型中的适应度函数， 计算得到最佳适应度函数 值， 进而得到对应的最优参数组合； S3： 根据所述最优参数组合， 对变分模态分解方法进行优化， 利用优化后的变分模态分 解方法对实际获取的表面肌电信号进 行最优自适应分解， 得到不同频段的本征模态函数分 量， 为智能康复机器人的特 征提取提供支撑 。 2.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法， 其特征在于： 步骤S2中， 利用所述改进的混沌FOA模型进行迭代寻优的过程如下： 1)设定种群中单体个体数量m， 最大迭代次数为T， 采用三维FOA算法和三维logistic ‑ sine混沌复合映射 函数初始化 果蝇个体的位置和方向： 式中， Xaxis、 Yaxis和Zaxis是对标准FOA二维空间的拓展， Value为边界值， 且Value∈[ ‑ bound,bound]， 和 是三维的L ogistic‑Sine混沌复合映射 函数， 且： 式中 ， π为圆 周率 ， i表示第i个果蝇 ， k表示混沌控制参数； 2)更新单个果蝇寻找食物的方向和距离， 得到： 其中， Xi、 Yi和Zi是果蝇个体的三维坐标， 且i＝1,2, …,N； a,b为实数； 和 是三维 的logistic‑sine混沌复合映射 函数； 3)根据果蝇个体的三维坐标， 求得果蝇个体和原点之间的直线距离Disti， 设Disti的倒 数是味道质量浓度的判定值， 求得判定值Si， 则有： 权　利　要　求　书 1/2 页 2 CN 113902086 A 24)将判定值Si代入味道判定函数， 求 解出各果蝇单体的对应的味道质量浓度： Smelli＝F(Si)    (7) 5)找到当前果蝇群 体中味道质量浓度最高的个 体， 并记录当前果蝇群 体的位置： [bestSmel l,bestIndex]＝mi n(Smell)    (8) 其中， Smel li表示当前果蝇群 体中的味道质量浓度； 6)记下当前果蝇群体中最佳味道质量浓度bestSmell和相应横纵坐标值， 然后果蝇种 群通过视 觉向最佳位置逼近： 7)重复操作步骤2)～5)， 进行迭代寻优， 同时判断bestSmell是否比Smellbest更优， 若 是， 则跳转至步骤6)后继续操作， 直至得到果蝇种群的最佳位置 。 3.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法， 其特征在于： 步骤S2中， 所述 适应度函数为： 其中， 为相邻IMF 分量的互信息， 为互信息的总和， K为模态 分量的总个数， 即IMF分量的个数； 原始的表面肌电信号与重构信号的互信息， x(t) 是原始的表面肌电信号， x'(t)是重构信号。 4.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法， 其特征在于： 步骤S2中， 所述最优参数组合为模态总数K、 二次惩罚α和更新步长τ最优组合 值。 5.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法， 其特征在于： 步骤S2 中， 利用所述IMF， 计算适应度函数值， 利用所述改进的混沌FOA模型用 于迭代寻优， 判断此时迭代次数是否达到预设次数的最大值， 若 是， 则得到最优适应度函数 值， 若否， 则回到步骤S1中， 然后进行迭代， 直至得到最优适应度函数值。 6.如权利要求1所述的一种融合复合混沌映射与果蝇优化的最优变分模态分解方法， 其特征在于： 当适应度函数获得极小值时， 即得到最优适应度函数值， 此时， 获 得极小值， 同时 获得极大值， 所述最优适应度函 数值对应的[K, α, τ ]的组合 值就是最优的。权　利　要　求　书 2/2 页 3 CN 113902086 A 3